シュレーディンガー株式会社

【事例集】材料研究のための機械学習

最終更新日: 2023-04-14 16:18:44.0
無機個体やポリマーなどにおけるケーススタディ!コストと時間効率の良い方法で、新しい化合物を設計

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。

関連動画

基本情報

【掲載事例】
■biceranoデータセットに含まれるポリマーのガラス転移温度(Tg)の予測では、カスタマイズされたポリマー用記述子を使用した予測モデルでは、一般的な記述子を使用した場合と比較して、二乗平均平方根誤差(RMSE)が、38Kから11Kへと大幅に減少
■周期的な3次元記述子を使用して、窒化ケイ素の29Si NMR化学シフトを正確に予測できるモデルの構築
■化学組成や構造に基づいた140個の記述子を使用したモデルによって、1181個(60元素以上)の無機結晶の体積弾性率を高精度に予測(R2=0.913)
■NOMAD 2018 Kaggle challengeに含まれる3000個の透明導電性酸化物のバンドギャップを、10 SOAP-PCA 3D記述子とAutoQSAR/DeepChemを使用して構築したディープラーニング予測モデルによって高精度に予測
■文献から集めた8773分子の水溶性を予測できるディープラーニング予想モデルを、AutoQSAR/DeepChemを使用して構築(R2=0.88)

※お気軽にお問い合わせ下さい。

価格帯 お問い合わせください
納期 お問い合わせください
用途/実績例 ※詳しくは、お気軽にお問い合わせ下さい。

【その他の掲載事例】
■小分子の味(甘い/苦い)の正確な予測を可能なディープラーニング予想モデル(分類モデル)をAutoQSAR/DeepChemのハイパーパラメータ最適化を使用して構築
2428分子の(苦い/苦くない)の分類に関しては、R2=0.926。2366分子の(甘い/甘くない)の分類に関しては、R2=0.936。
■酸化物を添加したケイ酸塩ガラスの特性の予測
■鉄合金の降伏強度の予測モデルの構築

詳細情報

MS_Maestro.png
MS Maestro
LiveDesign.png
LiveDesign

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

製品・サービス一覧(42件)を見る