シュレーディンガー株式会社

【事例集】材料モデリングのための機械学習力場

最終更新日: 2023-06-22 14:31:05.0

上記では、電子ブックの一部をご紹介しております。

カタログ発行日:2023/6/22
Machine-learned force fields活用事例をご紹介
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。

関連情報

【製品総合ガイド】材料研究開発を加速する高速分子シミュレーション
【製品総合ガイド】材料研究開発を加速する高速分子シミュレーション 製品画像
物理ベースのモデリングによって管理され、機械学習によって増幅され、
チームベースのインテリジェンスによって最適化されるデジタル化学
プラットフォームを提供します。
【カタログ掲載製品】
■プラットフォーム ソフトウェア:MS Maestro、LiveDesign
■シミュレーション エンジン:Desmond、MacroModel、Jaguar
■目的別アプリケーション
・分子動力学&分子力学:OPLS4、MS Transport、MS CG、 MS Penetrant Loading、MS Morph
・量子力学:GA Optelectronics、Quantum ESPRESSO GUI
・マルチスケール:MS Mobility、MS Reactivity、MS Dielectric
・機械学習:AutoQSAR、MS Informatics
※詳しくは、お気軽にお問い合わせ下さい。
【事例集】材料モデリングのための機械学習力場
【事例集】材料モデリングのための機械学習力場 製品画像
【掲載事例】
1. 液体電解質のための高次元ニューラルネットワーク力場

2. ポリマー向けのスケーラブルで汎用性のあるMLFFの開発

3. イオン液体向けの機械学習による適合力場

シュレーディンガーは、幅広いアプリケーションにおいて正確な分子動力学シミュレーションを可能にし、高速かつ高精度な複雑な材料システムのモデリングを実現するため、先進的な機械学習による力場の開発に焦点を当てた研究サービスを提供しています。

※お気軽にお問い合わせ下さい。

お問い合わせ

下記のフォームにお問い合わせ内容をご記入ください。
※お問い合わせには会員登録が必要です。

至急度  必須
ご要望  必須
目的  必須
添付資料
お問い合わせ内容 
【ご利用上の注意】
お問い合わせフォームを利用した広告宣伝等の行為は利用規約により禁止しております。
はじめてイプロスをご利用の方 はじめてイプロスをご利用の方 すでに会員の方はこちら
イプロス会員(無料)になると、情報掲載の企業に直接お問い合わせすることができます。
メールアドレス

※お問い合わせをすると、以下の出展者へ会員情報(会社名、部署名、所在地、氏名、TEL、FAX、メールアドレス)が通知されること、また以下の出展者からの電子メール広告を受信することに同意したこととなります。

シュレーディンガー株式会社

カタログ 材料開発全般、機械学習一覧(34件)を見る