【製品総合ガイド】　V2021

当資料では、Schrodingerが取り扱う『Materials Science Suite』による
Quantum ESPRESSO Interfaceについて紹介しています。

公式提携により、統合分子シミュレーション環境「Maestro」と「Quantum
ESPRESSO」の連携が実現しました。

先端の量子シミュレーションを結晶構造作成から実行、解析まで単一の
グラフィカルインターフェース上で行うことで、効率よく計算作業が可能。

さらに有効遮蔽媒質法の計算により、電極表面反応を始めとする
様々な表面-溶媒系の電子状態計算ができます。

【掲載内容】
■ナノテクノロジーと計算科学
■Quantum ESPRESSOについて
■Quantum ESPRESSO Interfaceの主な機能
■MaestroとPython API
■有効遮蔽媒質法（ESM法）

※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。 （詳細を見る）

当資料では、Schrodingerが取り扱う『Materials Science Suite』による
機械学習と材料特性予測について紹介しています。

当製品は、強力で使いやすいインフォマティクス統合環境を備えています。

簡単なGUI操作により、たとえば分子構造のフィンガープリントを活用して
実験やシミュレーションのデータを解析することで、分子構造と物性値の
関係性を可視化することや、機械学習モデルを構築して新たな分子構造の
物性値を予測が可能です。

【掲載内容】
■背景
■ガラス転移温度
■ポリマー物性の予測
■フィンガープリントを用いたKPLS回帰
■さらなる展開

※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。 （詳細を見る）

当社のMaterials Science Suiteは、幅広い材料研究分野への対応が可能です。

■密度汎関数理論(DFT)計算・周期系第一原理計算による物性予測
HOMO/LUMO/pKa/溶媒効果/IR/Raman/UV-vis/VCD/NMR/ 酸化・還元ポテンシャル/ 3重項励起状態エネルギー/TADF S1-Txギャップ/蛍光/りん光/振動計算/ 構造最適化/遷移状態計算/反応経路解析/吸着エネルギー/結合解離エネルギー/ 電子・ホール移動度/再配向(再配列、再配置)エネルギー

■分子力学(MM)法・分子動力学(MD)法・粗視化MDによる物性予測
密度/配座解析/架橋構造/ヤング率/粘度/表面張力/ ガラス転移温度(Tg)/分子拡散/熱膨張/結晶形態/ 膨潤/応力ひずみ曲線/溶解度パラメータ
機械学習で使用可能な手法
様々な記述子・フィンガープリント生成/ 部分的最小二乗回帰(PLS)法/重回帰分析(MLR)/主成分回帰(PCR)/カーネルPLS法/ ベイズ分類/再帰分割(RP)分析/自己組織化マップ/Tg・誘電率・沸点・蒸気圧予測モデル/ 遺伝的アルゴリズム/アクティブラーニング （詳細を見る）

プリカーサー開発への新たな道を切り開く、シュレーディンガーの機械学習

この予測モデルは、性能を向上させた新しい前駆体を設計するための
新しい道を開くもので、その蒸着や化学の改良だけでなく、蒸発または
昇華して蒸気として供給できる温度も最適化することが可能です。

この進歩により、従来よりもはるかに広範な構造変化を計算機上で
スクリーニングできるようになり、よりリスクが少なく、より革新的な
実験的合成・試験のための候補前駆体を生み出すことができるようになります。

この揮発性モデルと、 シュレーディンガーの量子力学に基づく反応性と
分解の計算ワークフローにより、 気相堆積やエッチングのための完全な
設計キットが提供され、新技術のための材料やプロセスの研究を加速させます。

*一般的な50種類の金属および半金属の錯体について、与えられた蒸気圧における蒸発または昇華温度を平均±9℃（これは絶対温度の約3％）の精度で予測します。
*1秒間に数百の錯体を計算することができ、ターンアラウンドタイムが速いです。

※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。 （詳細を見る）

マテリアルズ・インフォマティクスで下記のようなお悩みはありませんか?
シュレーディンガーのLiveDesignは、データの記録、補完、機械学習の自動化、解析手法と結果の共有まで、課題を解決し、MIを加速します。

【お悩み1】　データの質の問題: フォーマットや用語がバラバラに存在
➡データを同じスプレッドシートに統一した言語で登録します。

【お悩み2】　データの量の問題: データは欠損値ばかり
➡物理化学計算と機械学習でデータを補完します。

【お悩み3】　非民主的なAI・機械学習・解析手法: 何から手をつければいいのかわからない
➡データの蓄積と同時に好適な機械学習モデルを自動生成。計算化学者に頼らず高精度のモデルを作成します。

【お悩み4】　社内共有の問題: いい予測値モデルができたが、社内に展開する仕組みがない
➡Web画面で解析手法や結果をグループで共有できます。

※詳しくは、お気軽にお問い合わせ下さい。 （詳細を見る）

シュレーディンガーのマテリアルズ・サイエンス　ソリューション(MSS)の機能をわかりやすくご紹介いたします。

【製品特徴】
■量子計算による分子設計
■液体・ポリマー物性予測
■結晶・表面・界面: 周期系第一原理計算、電極や触媒上の化学反応、半導体/分子性結晶/MOFへの幅広い応用
■統計解析・機械学習
■柔軟で強力なGUI/CUIユーザインターフェース
　

※詳しくは、お気軽にお問い合わせ下さい。 （詳細を見る）

ポリマー・樹脂の物性予測を支援する、シュレーディンガーのソフトウェアをご紹介いたします。

【製品特徴】
■高効率GPU コー ドでMD計算を加速
数万原子x 数百ナノ秒／日＝ lGPU
■独自の高精度力場パラメータOPLS4
■架橋樹脂を含む多様なポリマー構造ビルダー
■物性値予測・解析ツール

※詳しくは、お気軽にお問い合わせ下さい。 （詳細を見る）

マテリアルズ・インフォマティクスで下記のようなお悩みはありませんか?
シュレーディンガーのLiveDesignは、データの記録、補完、機械学習の自動化、解析手法と結果の共有まで、課題を解決し、MIを加速します。

【お悩み1】　データの質の問題: フォーマットや用語がバラバラに存在
➡データを同じスプレッドシートに統一した言語で登録します。

【お悩み2】　データの量の問題: データは欠損値ばかり
➡物理化学計算と機械学習でデータを補完します。

【お悩み3】　非民主的なAI・機械学習・解析手法: 何から手をつければいいのかわからない
➡データの蓄積と同時に好適な機械学習モデルを自動生成。計算化学者に頼らず高精度のモデルを作成します。

【お悩み4】　社内共有の問題: いい予測値モデルができたが、社内に展開する仕組みがない
➡Web画面で解析手法や結果をグループで共有できます。

※詳しくは、お気軽にお問い合わせ下さい。 （詳細を見る）

創薬のスピードが加速する中、新薬のプレフォーミュレーションとフォーミュレーションを迅速かつ効率的に行うことは、医薬品開発において非常に重要な要素となっています。原子スケールでのモデリングとシミュレーション技術の進歩により、完全な物理ベースのモデルに基づいて、多数の候補材料と製剤によるインシリコスクリーニングが可能になりました。

【掲載事例】
■化学的分解に対する薬剤の安定性
■医薬品成分の混和性
■ガラス転移点による熱物理学的安定性
■コントロールドリリース: 製剤化における超分子構造

※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。 （詳細を見る）

シュレーディンガーの材料科学反応ワークフローでは、コンフォメーション空間の自動調査により、見落とされがちなコンフォマーをカバーすることができます。
さらに、量子化学計算の自動化により、何百ものファイルやプロパティの綿密なメンテナンスや、専門的なトレーニングなどを必要とする困難なプロセスを排除することができます。
これにより、ワークフローが簡素化され、再現性と予測可能性が高まります。

【掲載事例】
■ディールス・アルダー反応

※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。 （詳細を見る）

パナソニック社の研究者らは、高効率な特性を持つ有機半導体材料の新規開発に取り組んでいます。パナソニック社はシュレーディンガー社と共同研究を進め、高処理能力を活用したDFT計算、機械学習/深層学習モデルの構築、化学物質の列挙など、シュレーディンガー社が提供する計算能力と専門知識を活用して分子材料の新規設計を行いました。

当カタログは、シュレーディンガーがパナソニック社と取り組んだ、『有機エレクトロニクス向けホール伝導性分子材料の新規設計』の事例集です。
ぜひ、ご一読ください。


※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。 （詳細を見る）

食品、化粧品、包装材料の開発をスピードアップする、シュレーディンガーの統合ソフトウェアソリューションをコンパクトにご紹介いたします。

■コラボレーションを強化
・実験モデルも予測モデルも、スムーズに組織内に共有します。
・プロジェクトチーム内のコミュニケーションを促進し、学びを共有します。
・専門家レベルのモデリングを、スクリーニング、結果共有、決定まで一気通貫にサポートします。

■鍵となるプロパティを特定
・費用の掛かる実験を減らし、インシリコで化学物質を特定します。
・食品、化粧品、包材開発において、FDAで承認された分子ライブラリをスクリーニングします。
・感覚、物理化学、バイオロジーデータを用いて機械学習予測モデルを迅速に確立します。

■製品開発スピードを促進
■複合界面活性剤製剤やエマルジョンのモデリング
・バーチャルスクリーニングを用いて処方開発をけん引します。

基本情報へ続きます。 （詳細を見る）

半導体および関連技術の開発/解析を支援する、シュレーディンガーの統合プラットフォームをわかりやすくご紹介いたします。

【製品の概要】
■量子力学計算による半導体物性の予測と解析
・電子物性
・機械特性（弾性定数テンソル、体積弾性率）
・誘電特性
・反応経路探索

■半導体成膜プロセス(CVD, ALD, ALE)の最適化
・量子力学計算と機械学習による新規前駆体の開発　

■古典分子動力学計算による半導体実装の最適化
・樹脂封止材の架橋構造モデルの構築
・ガラス転移温度の計算による耐熱性の予測
・水やガス分子の吸収率と拡散係数の計算による
ガスバリア性の予測
・水／ガス分子吸収時における物性変化の解析

※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。 （詳細を見る）