薄型恒温プレート『LABOPAD Series』

PR当製品で快適な作業を！無菌操作やプロテオミクスの処理に好適

『LABOPAD Series』は、直感的に操作可能で、設置スペースを選ばない コンパクトサイズの薄型恒温プレートです。 「LABOPAD-C2」は0～100℃、「LABOPAD-H2」は室温＋3℃～100℃までに 設定できるドライバスインキュベーター。当製品は、厚さが薄いため、 どこでも簡単に持ち運べます。 また、「LABOPAD-C2」は冷却機能が付いていますので、これまでの...

メーカー・取り扱い企業： トスク株式会社(旧十慈フィールド)

自動整列供給装置【※FOOMA JAPAN2024出展製品！】

PR搬送されたトレーに連続的に自動整列供給することで、食品や化学工業製品の…

ヤナギヤで取り扱っている「自動整列供給装置」は自動搬送されたトレーに製品を連続的に整列供給。 食品や化学工業製品など、並べる数を設定し連続的に自動整列供給することで 生産ラインの省人化・効率化が図れます。 また、シート状製品など製品形態によっては連続的に段積み供給も可能で、 お客様の仕様に合わせて設計・製作が可能です。 【特長】 ■製品に応じた自由な設計 ■パターン運転 ■整列供給 ■段積み ...

メーカー・取り扱い企業： 株式会社ヤナギヤ 東京営業本部

【事例】パナソニック 有機エレクトロニクス向け材料新規設計

パナソニックとシュレーディンガー、ホール移動度を向上させた50以上の新…

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...

メーカー・取り扱い企業： シュレーディンガー株式会社

【事例】アクティブラーニングで有機EL材料の設計を高速化

高効率・高コスパ! 物理ベースのシミュレーションと機械学習の相乗効果を…

分子モデリングとシミュレーションのツールは、材料探索に有効であることが証明されており、産業界の研究開発においてますます導入が進んでいます。 デジタルシミュレーションは、従来の実験的アプローチと比較して研究開発ワークフローに多大な時間短縮をもたらしますが、課題も残されています。 シュレーディンガーは、これらの課題を容易に扱えるようにしました。近年、シュレーディンガーは、物理ベースのシミュレーショ...

メーカー・取り扱い企業： シュレーディンガー株式会社

【事例集】前駆体のボラティリティの正確な予測を可能にする機械学習

蒸発または昇華温度を平均±9℃の精度で予測、1秒間に数百の錯体を計算*

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...

メーカー・取り扱い企業： シュレーディンガー株式会社

【事例集】電池とエネルギー貯蔵材料

バッテリー、燃料電池、および水素貯蔵材料の原子レベルのモデリングを支援…

シュレーディンガーの材料科学ソフトウェアに統合されている原子レベルのシミュレーションおよびモデリング技術は、電解質、電極、安定したSEIの形成など、バッテリーコンポーネントの材料設計プロセスのあらゆる側面において重要な洞察を提供します。シュレーディンガーの包括的なソリューションは、 材料の主要な化学プロセスを解明し、 重要な熱物理特性を特性化します。 これにより、 新規材料の設...

メーカー・取り扱い企業： シュレーディンガー株式会社

シュレーディンガーの材料開発支援製品をわかりやすく紹介【日本語】

実験データの大規模統計解析と高精度ナノスケールシミュレーションによる分…

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...

メーカー・取り扱い企業： シュレーディンガー株式会社

【事例集】材料研究のための機械学習

無機個体やポリマーなどにおけるケーススタディ！コストと時間効率の良い方…

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...

メーカー・取り扱い企業： シュレーディンガー株式会社

【事例集】材料モデリングのための機械学習力場

Machine-learned force fields活用事例をご紹…

械学習による力場（Machine-learned force fields、MLFF）は、原子や分子間の相互作用を正確にモデル化するために機械学習モデルを取り入れることで、従来の力場を改良するために設計されています。この技術は、ニューラルネットワークポテンシャルエネルギー曲面（NN-PES）アーキテクチャに基づいており、モデルは化学的な精度で系の全電子エネルギーを再現するように訓練されます。 ...

メーカー・取り扱い企業： シュレーディンガー株式会社

材料開発DXを加速! 活用事例紹介ウェビナー開催＜無料＞

原子レベルのシミュレーションとマテリアルズ・インフォマティクス活用で材…

半導体や電子部品から日用品に至るまで、様々な材料開発において、原子･分子レベルでの設計が求められています。 シュレーディンガーの『Materials Science Suite』は、各種の原子・分子レベルのシミュレーションおよび機械学習により、材料開発を大幅に加速するソフトウェア・...

メーカー・取り扱い企業： シュレーディンガー株式会社

【ユーザー事例】次世代リチウムイオン電池開発

Eonix社CEOによる、次世代リチウムイオン電池開発に導入した革新的…

Eonix社は、家電、グリッドストレージ、電気自動車をターゲットとしたエネルギー貯蔵技術のための次世代材料の迅速な設計に焦点を当てたスタートアップ企業です。 CEOであるDon DeRosa, Ph.Dは、ハイスループットなスクリーニングと物理ベースのモデリングを組み合わせることで、より優れたバッテリーを構築する...

メーカー・取り扱い企業： シュレーディンガー株式会社