シュレーディンガーの製品・サービス一覧

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ユーザインターフェース 　 ※詳しくは、お気軽にお問い合わせ下さい。

マテリアルズ・インフォマティクスで下記のようなお悩みはありませんか? シュレーディンガーのLiveDesignは、データの記録、補完、機械学習の自動化、解析手法と結果の共有まで、課題を解決し、MIを加速します。 【お悩み1】　データの質の問題: フォーマットや用語がバラバラに存在 ➡データを同じスプレッドシートに統一した言語で登録します。 【お悩み2】　データの量の問題: データは欠損値ばかり ➡物理化学計算と機械学習でデータを補完します。 【お悩み3】　非民主的なAI・機械学習・解析手法: 何から手をつければいいのかわからない ➡データの蓄積と同時に好適な機械学習モデルを自動生成。計算化学者に頼らず高精度のモデルを作成します。 【お悩み4】　社内共有の問題: いい予測値モデルができたが、社内に展開する仕組みがない ➡Web画面で解析手法や結果をグループで共有できます。 ※詳しくは、お気軽にお問い合わせ下さい。

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。

半導体および関連技術の開発/解析を支援する、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の最適化 ・樹脂封止材の架橋構造モデルの構築 ・ガラス転移温度の計算による耐熱性の予測 ・水やガス分子の吸収率と拡散係数の計算による ガスバリア性の予測 ・水／ガス分子吸収時における物性変化の解析 ※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。

次世代電池材料の開発/解析を支援する、シュレーディンガーの統合プラットフォームをご紹介いたします。 【製品特徴】 ■量子力学計算により電極内部におけるイオンの挙動を解析 ■高分子系電解質中のLi+イオンの電動メカニズムを分子動力学シミュレーションによって解析 ■分子シミュレーションと機械学習による電解液の開発 ※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。

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。

創薬のスピードが加速する中、新薬のプレフォーミュレーションとフォーミュレーションを迅速かつ効率的に行うことは、医薬品開発において非常に重要な要素となっています。原子スケールでのモデリングとシミュレーション技術の進歩により、完全な物理ベースのモデルに基づいて、多数の候補材料と製剤によるインシリコスクリーニングが可能になりました。 【掲載事例】 ■化学的分解に対する薬剤の安定性 ■医薬品成分の混和性 ■ガラス転移点による熱物理学的安定性 ■コントロールドリリース: 製剤化における超分子構造 ※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。

マテリアルズ・インフォマティクスで下記のようなお悩みはありませんか? シュレーディンガーのLiveDesignは、データの記録、補完、機械学習の自動化、解析手法と結果の共有まで、課題を解決し、MIを加速します。 【お悩み1】　データの質の問題: フォーマットや用語がバラバラに存在 ➡データを同じスプレッドシートに統一した言語で登録します。 【お悩み2】　データの量の問題: データは欠損値ばかり ➡物理化学計算と機械学習でデータを補完します。 【お悩み3】　非民主的なAI・機械学習・解析手法: 何から手をつければいいのかわからない ➡データの蓄積と同時に好適な機械学習モデルを自動生成。計算化学者に頼らず高精度のモデルを作成します。 【お悩み4】　社内共有の問題: いい予測値モデルができたが、社内に展開する仕組みがない ➡Web画面で解析手法や結果をグループで共有できます。 ※詳しくは、お気軽にお問い合わせ下さい。

当社のMaterials Science Suiteは、幅広い材料研究分野への対応が可能です。 ■密度汎関数理論(DFT)計算・周期系第一原理計算による物性予測 HOMO/LUMO/pKa/溶媒効果/IR/Raman/UV-vis/VCD/NMR/ 酸化・還元ポテンシャル/ 3重項励起状態エネルギー/TADF S1-Txギャップ/蛍光/りん光/振動計算/ 構造最適化/遷移状態計算/反応経路解析/吸着エネルギー/結合解離エネルギー/ 電子・ホール移動度/再配向(再配列、再配置)エネルギー ■分子力学(MM)法・分子動力学(MD)法・粗視化MDによる物性予測 密度/配座解析/架橋構造/ヤング率/粘度/表面張力/ ガラス転移温度(Tg)/分子拡散/熱膨張/結晶形態/ 膨潤/応力ひずみ曲線/溶解度パラメータ 機械学習で使用可能な手法 様々な記述子・フィンガープリント生成/ 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/ ベイズ分類/再帰分割(RP)分析/自己組織化マップ/Tg・誘電率・沸点・蒸気圧予測モデル/ 遺伝的アルゴリズム/アクティブラーニング

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。

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、より革新的な 実験的合成・試験のための候補前駆体を生み出すことができるようになります。 この揮発性モデルと、 シュレーディンガーの量子力学に基づく反応性と 分解の計算ワークフローにより、 気相堆積やエッチングのための完全な 設計キットが提供され、新技術のための材料やプロセスの研究を加速させます。 *一般的な50種類の金属および半金属の錯体について、与えられた蒸気圧における蒸発または昇華温度を平均±9℃（これは絶対温度の約3％）の精度で予測します。 *1秒間に数百の錯体を計算することができ、ターンアラウンドタイムが速いです。 ※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。

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。

当資料では、Schrodingerが取り扱う『Materials Science Suite』の有機エレクトロニクスや有機ELへの応用について紹介しています。 計算結果から得られる知見と理論的解釈により、有望な候補物質を判別することができ、有機発光ダイオード(Organic Light Emitting Diode(OLED))や有機半導体等の開発を効率的に行うことが可能です。 また、デバイス最適化の条件に適合するような化合物の選定にも有用です。 具体的には、密度汎関数理論(DFT)を使用して、有機EL材料開発に関係する以下のような分子プロパティを計算可能です。 ・酸化ポテンシャル ・還元ポテンシャル ・ ホール再配向(再配列、再配置)エネルギー ・電子再配向エネルギー ・3 重項エネルギ ー ・3 重項再配向エネルギー ・吸収スペクトル ・TADF S1-Tx ギャップ ・蛍光 薄膜の構造は、分子動力学法(Molecular Dynamics(MD))を使用し、実際に基盤への蒸着をシミュレーションすることによって予測することができます。基本情報へつづく↓

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。

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。

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。

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。

世界No.1の化粧品会社ロレアルは、シュレディンガーのソフトウェアを活用し、バイオミメティックな表面上での合成ポリマーと多糖類ポリマーとの剪断挙動の違いについて、より深い理解を得ました。 • 模擬髪の表面を用いてシャンプーの配合の凝集挙動に関する新たな洞察を得ました。 • ポリマーのトポロジーの影響を示し、観察されたポリマー間相互作用を実験的観測可能な事象に関連づけました。 • 分子動力学シミュレーションを用いて、バイオミメティックな表面と接触する複雑な配合物の研究のための枠組みを確立しました。 • エコフレンドリーな化粧品の配合設計を合理的に加速しました。

シュレーディンガー株式会社は、2月19日(水)に材料科学向けWebセミナー 『Virtual testing of personal care and cosmetics formulations using digital chemistry methods』 を開催いたします。 持続可能な製品の開発には多くの課題があり、時間やリソース、新しい原材料が必要です。このプロセスを効率化するために、予測モデリングが注目されています。これにより、基準を満たす有望な成分や配合、新たな包装材料を特定でき、計算手法を用いた仮想試験を通じて分子レベルでの理解が得られます。具体的には、個々の成分の挙動や配合の形態、安定性、生体表面との相互作用を解析可能です。また、製品と包装材料の相互作用についても探究でき、保存期間に大きく影響する要因を把握できます。 本セミナーでは、ケーススタディを通じて、計算化学が製品開発、容器設計、製品使用時の解析にどのように役立つかを示します。 ぜひお気軽にご参加ください。

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。 ■湿潤および乾燥状態の非晶質アミロース重合体に対するガラス転移温度（Tg）などの主要な物性を正確に予測。 ■水分含有量がTgおよびデンプン重合体内の水の拡散に与える影響を調査することで、水の吸収および輸送を効果的にモデル化。 ■OPLS3e力場は非晶質デンプンモデルに対して高い精度を提供。 ■水とアミロースの相互作用の詳細な研究と、成分が複雑なでんぷんの配合に与える影響についてのさらなる研究。

「シュレーディンガーのツールと前例のない計算能力にアクセスできるようになったことで、パナソニックインダストリー株式会社のイノベーションの方法がかわりました。」 パナソニックインダストリー株式会社 技術本部 プロセスデバイス革新センターのプリンシパルエンジニアである松澤伸行氏に対するインタビューに基づく記事です。ぜひ、お読みください。 ※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。

有機エレクトロニクス材料は、分子単体として良好な光電子特性や化学的安定性があることに加え、凝集相において望ましい形態や熱力学特性を持つことが求められます。Materials Science Suiteは、量子化学、分子動力学、機械学習に基づく、これらの系に応用可能な原子スケールシミュレーションを提供し、得られる知見と理論的解釈により、効率的な材料開発を支援します。 ※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。

シュレーディンガーは、高分子材料、有機エレクトロニクス、触媒と反応性、薄膜プロセス、エネルギー回収と貯蔵、医薬品製剤、消費財、金属・合金・セラミックなど、多様な材料開発のイノベーションのためのソフトウェア プラットフォームを提供しています。 広大な化合物空間の探索と分子特性の高精度予測により、新規材料の設計を迅速に行い、コスト効率をアップするよう支援します。 当資料では、材料開発向けプラットフォームの概要をご覧いただけます。 ※詳しくは、お気軽にお問い合わせ下さい。

シュレーディンガーの高度な物理ベースモデリングおよびAI/機械学習ソフトウェアは、高分子材料、電池、半導体、有機エレクトロニクス、触媒、医薬品製剤、化粧品、金属・合金・セラミックなど、多様な材料開発に対応しています。

創薬プロセスの各段階においてお客様のプロジェクトを加速・支援するため、幅広いモデリングサービスをご提供しています。 ・シュレーディンガーの最新技術を、ラージスケールで活用できます。 ・当社の計算化学専門チームの知見を活用いただけます。 ・ライセンス、計算環境、サービス時間のすべてを含みます。 ■ターゲット機能化サービス 構造ベースの厳密な創薬設計を可能にするため、プログラムの可能性を引き出します。 ■ヒット探索サービス 最新のバーチャルスクリーニング技術を活用し、より多様なヒット化合物を迅速に見つけ出します。 ■デ・ノボ設計サービス プロジェクト固有の条件を満たす新規設計アイデアを迅速に創出・優先順位付けします。 ■構造ベースADMETサービス 構造ベースの設計により、ADMETに関するリスクをより効率的に低減します。 ■結晶構造予測サービス 室温で最も安定な多形を特定することで、固体形態の選定に伴うリスクを低減します。

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

シュレーディンガー独自の技術と専門知識を活用して､創薬プログラムを支援します。 弊社エキスパートと最新の大規模バーチャルスクリーニング､および厳密なスコアリング技術を活用し､ヒット探索を成功に導きます。 ■シュレーディンガーのヒット探索機能を最大限に活用 ライセンスやハードウェアへの初期投資は不要です。最先端のヒット探索に必要な計算リソース､ライセンス､作業時間はすべてサービスに含まれます。 ■独自のスコアリング技術で､より質の高いヒット化合物をより多く取得 ■数十億の化合物スクリーニングで新規性と多様性を最大化 ■あらゆるレベルの構造情報からFEP+の実行を可能に テンプレートベースのホモロジーモデルやAlphaFoldモデル､不完全なcryo-EM構造や実験X線構造から出発する場合でも､貴社のユニークなプロジェクトに対応するための科学的知見と計算リソースを備えています。 ※詳しくは、カタログをご覧ください。

時間とリソースを節約します—構造ベース創薬に向けて､対象となるタンパク質-リガンド系の準備をお任せください。 X線構造､cryo-EM構造､AlphaFold予測構造､ホモロジーモデルのいずれを出発点としても､シュレーディンガーのサイエンティストが独自の技術と専門知識を駆使して､予測精度の高い構造ベース設計に向けてタンパク質–リガンド複合体を最適化・検証します。 ■オンターゲットあるいはオフターゲットに対応した設計可能な構造を作成 ■お客様独自のターゲットに関する知見を､当社の計算化学で補完 シュレーディンガーは､FEP+を活用した構造ベース創薬において､難易度の高いターゲットへの対応で培った豊富な専門知識を提供します。 ■テンプレートベースのホモロジーモデルやAlphaFoldモデル､不完全なcryo-EM構造や実験X線構造から出発する場合でも対応可能 ※標的タンパク質の包括的評価と精確な構造モデルの構築に必要な計算リソース､ライセンス､作業時間はすべてサービスに含まれます。 ※詳しくは、カタログをご覧ください。