【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…

子を使用して、窒化ケイ素の29Si NMR化学シフトを正確に予測できるモデルの構築 ■化学組成や構造に基づいた140個の記述子を使用したモデルによって、1181個(60元素以上)の無機結晶の体積弾性率を高精度に予測(R2=0.913) ■NOMAD 2018 Kaggle challengeに含まれる3000個の透明導電性酸化物のバンドギャップを、10 SOAP-PCA 3D記述子とAuto...

メーカー・取り扱い企業： シュレーディンガー株式会社

半導体関連技術の開発/解析を支援する統合プラットフォーム【日本語

半導体および関連技術の開発/解析を高速・高精度で支援する統合プラットフ…

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...

メーカー・取り扱い企業： シュレーディンガー株式会社

【技術資料】MedeA-MT による材料の機械的特性評価

MedeA-MTモジュールは、機械物性を評価することができます

当資料では、『MedeA-MT』による材料の機械的特性評価を紹介しております。 MedeA-MTモジュールは、機械物性を評価することができます。 差分法による弾性定数計算に加え、各種弾性率、Poisson比などの 機械的特性の他、延性・脆性の判定に使えるPugh比など様々な物性値を算出。 「MedeA」に搭載されているハイスループットモジュールと組み合わせることで、 材料...

メーカー・取り扱い企業： 株式会社モルシス