Статья посвящена конвергентному анализу больших данных по свойствам реальных газов для познания скрытых свойств и структуры кластеров. Экспериментальные данные взяты из онлайн книги данных НИСТ, США, по теплофизическим свойствам флюидов. Взрыв интереса к кластерам сегодня связан с их использованием в качестве ядер нуклеации наночастиц. Некоторые учёные даже называют кластеры новым состоянием вещества. Но малость энергии связи частиц в кластере в сравнении с энергией теплового движения затрудняет познание природы равновесных кластеров. Автор разработал метод интерактивного компьютерного анализа теплофизических данных. Высокая точность данных НИСТ, до 12 десятичных знаков, обеспечивает решение обратной задачи познания скрытых свойств кластеров. Конвергентное взаимодействие исследователя и компьютера позволяет генерировать гипотезы о строении равновесных кластеров и быстро получать ответ от информационной системы об их корректности. Многооконный режим визуального анализа промежуточных результатов позволяет быстро менять алгоритмы и программы анализа, обеспечивая конвергентное схождение результатов исследования к окончательному теоретическому заключению о природе равновесных кластеров. В отличие от технологии Искусственного Интеллекта, перекладывающей задачу в основном на компьютер, в данном случае речь идёт о Конвергентном Интеллекте, требующем активной работы исследователя при обеспечении со стороны информационной системы эффективной поддержки творческой и познавательной деятельности исследователя. Прорыв в познании свойств кластеров опирается на новые, более информативные, переменные: плотность фракции мономеров и плотность потенциальной энергии газа. Это открыло путь к ряду открытий фундаментального характера, таких как: рост энергии связи кластеров в газе с приближением к точке плавления конденсированного вещества; мягкие структурные переходы во фракциях кластеров; неизвестная ранее цепочечная форма кластеров при умеренных плотностях газа и магические числа частиц в крупных кластерах при плотностях газа, близких к критической. The paper reflects the real gases properties convergent analysis utilization for clusters' properties and structure cognition. Experimental data are from the NIST, USA, Webbook on Thermophysical Properties of Fluid Systems. An explosion of interest to clusters now is stimulated by their utilization as seeds for the nanoparticles nucleation. Some scientists even name clusters as a new state of matter. But a small interparticle bond energy as compared to the thermal agitation energy makes the equilibrium clusters' nature cognition difficult. The author has developed the interactive computerized method for thermophysical data analysis. A high precision of the NIST data, up to 12 digits, provides the inverse problem solution for hidden clusters' properties cognition. The convergent researcher-computer interaction permits hypotheses generation about the equilibrium cluster structure and to receive a quick response from the information system about their correctness. The multi-window mode for intermediate results analysis permits changing easily the algorithm and program providing the investigation convergence to the final theoretical conclusion about the clusters' nature. Unlike the Artificial Intellect technology, which relies mostly on computers' power, in our case we consider the Convergent Intellect, which requires the researcher's active work and an effective support from the information system for his/her creative and cognitive activity. The breakthrough in the clusters' properties cognition relies on new, more informative, variables: the monomer fraction density and the gas potential energy density. It has opened the way to a number of fundamental discoveries, such as: the clusters in gases bond energy growth on approaching the bulk substance melting point; soft structural transitions in cluster fractions; the chain clusters existence at moderate densities and magic particles numbers in large clusters at densities approaching the critical one.