【日本語資料】シュレーディンガーの材料科学向けプラットフォームV2024

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）

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）

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）

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は、高分子材料、有機エレクトロニクス、触媒と反応性、薄膜プロセス、エネルギー回収と貯蔵、医薬品製剤、消費財、金属・合金・セラミックなど、多様な材料開発のイノベーションのためのソフトウェア プラットフォームを提供しています。
広大な化合物空間の探索と分子特性の高精度予測により、新規材料の設計を迅速に行い、コスト効率をアップするよう支援します。
当資料では、材料開発向けプラットフォームの概要をご覧いただけます。

※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は、高分子材料、有機エレクトロニクス、触媒と反応性、薄膜プロセス、エネルギー回収と貯蔵、医薬品製剤、消費財、金属・合金・セラミックなど、多様な材料開発のイノベーションのためのソフトウェア プラットフォームを提供しています。
広大な化合物空間の探索と分子特性の高精度予測により、新規材料の設計を迅速に行い、コスト効率をアップするよう支援します。
当資料では、材料開発向けプラットフォームの概要をご覧いただけます。

※詳しくは、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）

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）