【事例集】材料研究のための機械学習V2021

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）

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』の有機エレクトロニクスや有機ELへの応用について紹介しています。

計算結果から得られる知見と理論的解釈により、有望な候補物質を判別することができ、有機発光ダイオード(Organic Light Emitting Diode(OLED))や有機半導体等の開発を効率的に行うことが可能です。
また、デバイス最適化の条件に適合するような化合物の選定にも有用です。
具体的には、密度汎関数理論(DFT)を使用して、有機EL材料開発に関係する以下のような分子プロパティを計算可能です。
・酸化ポテンシャル
・還元ポテンシャル
・ ホール再配向(再配列、再配置)エネルギー
・電子再配向エネルギー
・3 重項エネルギ ー
・3 重項再配向エネルギー
・吸収スペクトル
・TADF S1-Tx ギャップ
・蛍光

薄膜の構造は、分子動力学法(Molecular Dynamics(MD))を使用し、実際に基盤への蒸着をシミュレーションすることによって予測することができます。基本情報へつづく↓ （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）

高品質の物理ベースのシミュレーションと機械学習アプローチは、
新規材料の研究を加速し、市場投入までの時間を短縮します。

ワークフローによって、代表的な機械学習の手法(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)と、記述子とフィンガープリントの組み合わせで数百以上の予測モデルを自動作成し、その中から高い予測性能をもつモデルを選択することが可能(AutoQSAR)。

数千個以上のデータを持つデータセットに対しては、AutoQSAR同様に、ワークフローによってディープラーニング（深層学習）を用いた予測モデルを自動作成することが可能（DeepAutoQSAR,　DeepChem/AutoQSAR）。

幅広い材料（ポリマー、分子、固体）の特性を表現するため、それぞれの系のためにカスタマイズされた効果的な記述子を使用可能。

 （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）

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）

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）