最終更新日:
2023-06-22 14:21:45.0
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。
基本情報
【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。
| 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。 |
詳細情報
MS Maestro
関連カタログ
お問い合わせ
※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
