【資料】材料科学反応ワークフロー

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。 （詳細を見る）

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 （詳細を見る）

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。

 （詳細を見る）

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。 （詳細を見る）

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。 （詳細を見る）

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。 （詳細を見る）

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。 （詳細を見る）