シュレーディンガーの製品ラインアップ

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。

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先進技術を、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 先進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。

・シュレーディンガーのテクノロジーを最大限に活用: サービスには､研究開発ニーズに応じた包括的なシミュレーションを実施するために必要な､計算リソース､ライセンス､作業時間がすべて含まれます。 ・プロジェクト成功のための柔軟かつカスタマイズ可能なソリューションを提供: 貴社のソフトウェアやハードウェア､計算リソースは不要です。プロジェクト期間中および終了後も､弊社エキスパートによる知識移転とトレーニングを受けられます。目的に応じたツールとソリューションを設計・提供します。 ・貴社の専門知識を､シュレーディンガーの専門力で補完: 成果物の範囲を共同で定義した上で､材料応用とデジタルシミュレーションの専門家がプロジェクトを遂行します。

機械学習力場は、「機械学習原子間ポテンシャル」とも呼ばれ、多様な化学系に対するコスト効率の高い原子レベルのシミュレーションを実現するための重要なツールとして登場しており、しばしば密度汎関数理論（DFT）に匹敵する精度を、はるかに低い計算コストで達成しています。 近年のメッセージパッシングネットワークの進歩により、従来のMLFFが抱えていた「対応できる元素の種類に制限がある」という課題が克服されました。さらに、電荷平衡法を用いた原子電荷および静電相互作用の導入により、複数の電荷状態、イオン系、電子応答特性の精密な再現が可能となり、長距離相互作用を明示的に考慮することで、さらに高い精度を実現しています。 当社のMLFFアーキテクチャ「MPNICE」は、正確な電荷表現のために明示的な静電気を組み込んでいます。周期表全体（89元素）を網羅する材料を対象に学習させた事前学習済みモデル群も提供しています。 MPNICEは高いスループット性能を重視しており、従来の手法では実現困難だった長時間・大規模な原子レベルのシミュレーションを、高精度を維持しながら可能にします。