Патентный поиск по химическим соединениям с использованием сервиса «Синтелли» в цифровой поисковой платформе Роспатента

Статья посвящена решению актуальной проблемы, возникшей перед Федеральным институтом промышленной собственности (ФИПС), – необходимостью создания отечественного инструмента для проведения патентного поиска по химическим соединениям. Актуальность задачи обусловлена сложностью и высокой значимостью такого поиска для патентной экспертизы, а также уходом с российского рынка многих зарубежных коммерческих систем в 2022 году. Проведение качественного патентного поиска в области химии является нетривиальной задачей, поскольку одно и то же соединение может быть представлено в документах различными способами: структурной формулой, химическим названием, брутто-формулой и т. д., что требует от эксперта использования специализированных инструментов. В качестве решения данной проблемы была выбрана российская платформа искусственного интеллекта для органической химии «Синтелли». В рамках совместного проекта ФИПС и «Синтелли» при поддержке фонда «Сколково» была проведена доработка платформы и ее интеграция в цифровую поисковую платформу Роспатента. Ключевой задачей стало создание инструмента для извлечения химической информации из текстов патентов и научных статей. Для этого был разработан пайплайн на основе технологии распознавания именованных сущностей (NER), позволяющий находить русскоязычные химические названия в документах и преобразовывать их в машиночитаемые структурные формулы. Для обеспечения полноценного поиска были доработаны модули подструктурного поиска, поиска по химическому подобию и текстового поиска. Главным результатом работы стала успешная интеграция сервиса «Синтелли» в платформу Роспатента, что предоставило экспертам ведомства современный и независимый инструмент для поиска патентной и непатентной литературы по химическим структурам. Внедрение такого отечественного решения позволяет укрепить технологический суверенитет страны. В перспективе планируется дальнейшее развитие системы, включая улучшение распознавания структур, реализацию поиска по структурам Маркуша и по реакциям.

1. Lupu, M., Mayer, K., Kando, N. and Trippe, A. J. (2017), Current challenges in patent information retrieval, Springer, Heidelberg, Germany.

2. Ohms, J. (2021), “Current methodologies for chemical compound searching in patents: A case study”, World Patent Information, vol. 66, no. 102055.

3. Fan, V., Qian, Y., Wang, A., Wang, A., Coley, C.W. and Barzilay, R. (2024), “OpenChemIE: An Information Extraction Toolkit for Chemistry Literature”, Journal of Chemical Information and Modeling, vol. 64, no. 14, pp. 5521–5534.

4. Isazawa, T. and Cole, J.M. (2022), “Single Model for Organic and Inorganic Chemical Named Entity Recognition in ChemDataExtractor”, Journal of Chemical Information and Modeling, vol. 62, no. 5, pp. 1207–1213.

5. Wang, X. et al. (2021), “ChemNER: Fine-grained chemistry named entity recognition with ontology-guided distant supervision”, Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing, November 7–11, 2021, Punta Cana, Dominican Republic.

6. Rajan, K., Brinkhaus, H.O., Agea, M.I. et al. (2023), “DECIMER.ai: an open platform for automated optical chemical structure identification, segmentation and recognition in scientific publications”, Nature Communications, vol. 14, no. 5045.

7. Morin, L. et al. (2023), “MolGrapher: Graph-based Visual Recognition of Chemical Structures”, 2023 IEEE/CVF International Conference on Computer Vision (ICCV), Paris, France, 1–6 October 2023, pp. 19495–19504.

8. Lowe, D.M., Corbett, P.T., Murray-Rust, P. and Glen, R.C (2011), “Chemical Name to Structure: OPSIN, an Open Source Solution”, Journal of Chemical Information and Modeling, vol. 51, no. 3, pp. 739–753.

9. World Intellectual Property Organization (2022), WIPO Standard ST.96, Version 6.0: Recommendation For The Processing Of Intellectual Property Information Using Xml, доступ: https://www.wipo.int/export/sites/www/standards/en/pdf/03–96–01.pdf (Accessed 17 Nov. 2025).