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。

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。

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。

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。

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

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。