【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…

機械学習による力場（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

【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、 新規材料の設計パイプラインのコス...

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...

メーカー・取り扱い企業： シュレーディンガー株式会社

【日本語事例集】 吸湿予測と非晶質アミロースデンプンへの影響

食品・飲料、包装、および医薬品の品質と加工の最適化を促進する分子動力学…

シュレーディンガーは、日用消費財の研究開発のための強力で使いやすい統合ソフトウェアソリューションを提供します。 シュレーディンガーのプラットフォームは、計算化学のビギナーからエキスパートまで、幅広いユーザー向けに設計されており、高度な物理ベースのモデリングと機械学習テクノロジーを駆使して、実際のシステムを構築、シミュレーション、分析するためのシンプルなワークフローを提供します。 ■湿潤および...

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】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…

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。...

メーカー・取り扱い企業： シュレーディンガー株式会社