2026-01-052026-01-05https://ir.library.knu.ua/handle/15071834/9395Створення нового інструментарію для підвищення ефективності виробництва нових сполук для відкриття лікарських засобів є надважливою задачею синтетичної органічної та медичної хімії. Такі методології покликані в першу чергу зрушити в нові області хімічного простору, тобто розробити методи принципово нових типів хімічних сполук. З іншого боку, передбачення реакційної здатності за допомогою методів машинного навчання є надважливою і надсучасною задачею, що здатна фактично «змінити правила гри» в індустрії виробництва хімічних сполук. Таке відкриття здатне суттєво знизити витрати і прискорити виробництво потрібних хімічних речовин за рахунок більш глибокого розуміння «що і як треба синтезувати». Це напряму веде до зменшення витрат та собівартості кінцевих продуктів та підвищення швидкості досягнення результату в усіх галузях, що залежать від масового синтезу бібліотек сполук, в першу чергу в фармацевтичній та агрохімічній.The creation of new tools to increase the efficiency of producing new compounds for drug discovery is a critical task in synthetic organic and medicinal chemistry. Such methodologies are primarily designed to break new ground in chemistry, i.e., to develop methods for fundamentally new types of chemical compounds. On the other hand, predicting reactivity using machine learning methods is a crucial and cutting-edge task that can effectively “change the rules of the game” in the chemical compound manufacturing industry. Such a discovery could significantly reduce costs and accelerate the production of needed chemicals through a deeper understanding of “what and how to synthesize.” This directly leads to a reduction in costs and the cost of end products and an increase in the speed of achieving results in all industries that depend on the mass synthesis of compound libraries, primarily in the pharmaceutical and agrochemical industries.машинне навчаннякремнійорганічні сполукиФундаментальне дослідження