更新日： 集計期間:2025年10月15日～2025年11月11日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
現実の世界で起こる複雑な現象や、これから作ろうとする製品・システムの動作を、コンピュータ上で数学的なモデル（計算式）を用いて仮想的に再現し、その結果を予測・分析するためのソフトウェアです。例えば、自動車の衝突安全性、新薬の化学反応、気象の変動、工場の生産ラインの効率などを、実際に試作したり実験したりする前に、PC上で試行錯誤できます。開発コストの削減や期間短縮に大きく貢献します。
更新日： 集計期間:2025年10月15日～2025年11月11日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
更新日： 集計期間:2025年10月15日～2025年11月11日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
526～540 件を表示 ／ 全 679 件
大阪大学JWRIANによる溶接シミュレーションで、変形の違いなどを事前に把握
Jupiter-MuxWeld1は、Jupiter（プリポスト）、大阪大学JWRIAN（ソルバー）で構成された、溶接シミュレーションソフトウェアです。 大阪大学のJWRIANが汎用プリポストのJupiterに移植されているため、全てのオペレーション（インポート、メッシュ作成、溶接条件設定、解析実行、結果表示）を、Jupiter上で簡単に実行できます。 ############################################################################ 機能や事例については、関連リンクの製品ページをご覧下さい。どんな些細なことでもお気軽にお問い合わせください。
NCベース・シミュレーション！工作機械とのシームレスなネットワーキング
OPEN MINDはより信頼性の高い評価、制御、最適化された 加工プロセスのために『hyperMILL VIRTUAL Machining』を 開発しました。 この高効率なシミュレーションをおこなうソリューション製品は 「Center（センター）」「Optimizer（オプティマイザー）」 「CONNECTED Machining（コネクテッドマシニング）」の3つの モジュールで構成されています。 【アプリケーション領域】 ■機械加工プロセスのチェック、評価および最適化 ■利用可能な工作機械へのジョブのマッチング ■利用可能な工作機械間でのジョブタスクの容易な移動 ■新しい工作機械の購入検討のサポート ■競合案件における正確なコスト見積もり ※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。
材料開発および試作テスト期間の短縮さらに生産ラインの品質調整時の作業合理化に有効
『TEX-FAN』は、短時間で二軸押出機スクリュ軸方向の圧力分布・温度分布・ 充満率・滞留時間・溶融状態などが簡単に解析できる混練シミュレーション ソフトウェアです。 生産ラインあるいは研究室で使用しているスクリュ形状をデータベースとして 管理できるソフトウェア『TEX-GEO』のスクリュ形状データを利用できます。 樹脂の諸物性と押出機の運転条件を入力すれば誰でも容易にシミュレーションを 行なうことが出来ます。 【特長】 ■材料開発および試作テスト期間を短縮 ■生産ラインの品質調整時の作業合理化に有効 ■『TEX-GEO』で作成したスクリュ形状データを利用可能 ■誰でも容易にシミュレーション ■プロセス開発・新材料開発における理論解析・開発期間短縮等の効率化 ※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。
プレス成形加工をシミュレーション！割れやしわの発生を事前に予測した事例のご紹介
川重テクノロジー株式会社が行ったFEM解析事例をご紹介いたします。 プレス成形加工をシミュレーションし、割れやしわの発生を事前に予測。 ワークの割れとしわの発生は、しわ押さえ力をパラメータにトレードオフの 関係にあることから、シミュレーションによりパラメースタディを行い 適した領域を求めました。 【概要】 ■解析ソフト：LS-DYNA ■解析種別：非線形解析 ■目的：成形加工時のしわ、割れを事前予測 ※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。
想像を超えた没入感！超リアルVRドライビングシミュレーター
プロレーシングドライバーの経験と自動車の挙動を正確かつリアルに再現する3Dフローティングフルモーションテクノロジーのシナジーによって誕生したVRドライビングシミュレーター 【特長】 ■現役プロドライバーのレースの臨場感やスピード感を開発にフィードバック。 ■クルマの挙動を正確に再現するためアナログからデジタルだけでなく、デジタルデータをアナログに再現。 ■「VRシステム」を活用することで更に自動車の「恐怖」の部分をリアル化。さらにヴァーチャルショールームなど用途も多様化。 ■実車のステアリング、ペダル、シートなどを乗せるなど用途に合わせたカスタムにも対応可能 ■ソフトウェア開発も可能のため、車種、コースの再現も可能
非常に軽量な3Dグラフィックで構築し、モノ・ヒトの流れを計算できるソフトウェア
『FlexSim(フレックスシム)』は製造ラインや加工プロセス、物流倉庫、マテハン(マテリアルハンドリング)などのシミュレーションモデルを非常に軽量な3Dグラフィックで構築し、モノ・ヒトの流れを計算できるソフトウェアです。 機械や作業員の稼働率・作業負荷、作業時間など多岐にわたる情報について、グラフを使った一瞥表示も可能です。 これにより工場や倉庫のボトルネックを発見し、性能を最大化するために必要な比較データを瞬時に得ることができ、施設の最適化を支援します。 ●簡単で使いやすい ●データが軽く大規模なレイアウトでも計算ができる ●結果をグラフ化し、分かりやすく表示 ●ノンプログラミングでプロセスの編集ができる ●最新のVR(Virtual Reality)技術に対応
インフォマティクスに基づきデータを素早く知識に昇華！先端材料開発の現場に貢献
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。
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法で、新しい化合物を設計
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。
ポリマー・樹脂の物性値予測を高速・高精度で支援するGPU援用高速分子動力学エンジン
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。
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、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。
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。
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以上の新規分子を設計
パナソニック社の研究者らは、高効率な特性を持つ有機半導体材料の新規開発に取り組んでいます。パナソニック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。
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な材料検索事例を紹介します。
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ための材料探索をどのように変革できるかを説明しています。
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光電子物性予測に活用するアクティブラーニング ワークフロー
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ンと機械学習の相乗効果を光電子物性予測に活用するアクティブラーニング ワークフローを開発しました。 Frontiers in Chemistryに掲載され、SID-Display Week 2022で発表されたシュレーディンガーによる最近の研究は、有機EL材料探索のためのアクティブラーニングパラダイムを実証しています。 ※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。
Machine-learned force fields活用事例をご紹介
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。 初期構造生成のためのOPLS4、高速DFTおよびMDエンジン、および主要なMLFF手法の組み合わせにより、シュレディンガーはMLFF生成のリーディングパートナーとなっています。このアプリケーションノートでは、QRNN技術の応用について、液体電解質、ポリマー、およびイオン液体という材料科学の3つの異なる領域でのモデリングを紹介しています。
