1～4 item / All 4 items
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。
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。
単一のグラフィカルインターフェース上で行うことで、効率よく計算作業が行える！
当資料では、Schrodingerが取り扱う『Materials Science Suite』による Quantum ESPRESSO Interfaceについて紹介しています。 公式提携により、統合分子シミュレーション環境「Maestro」と「Quantum ESPRESSO」の連携が実現しました。 先端の量子シミュレーションを結晶構造作成から実行、解析まで単一の グラフィカルインターフェース上で行うことで、効率よく計算作業が可能。 さらに有効遮蔽媒質法の計算により、電極表面反応を始めとする 様々な表面-溶媒系の電子状態計算ができます。 【掲載内容】 ■ナノテクノロジーと計算科学 ■Quantum ESPRESSOについて ■Quantum ESPRESSO Interfaceの主な機能 ■MaestroとPython API ■有効遮蔽媒質法（ESM法） ※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。
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物理ベースのシミュレーションと機械学習ソフトウェア
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。 ここでは、シュレディンガーの消費財研究開発向けアプリケーションを紹介します。 ■食品・飲料 ■化粧品とパーソナルケア ■洗浄剤 ■包装材料 ■マテリアルズ・インフォマティクス
