私たちの世界は急速に変化しており、それに伴い、持続可能でエネルギー効率の高いソリューション、高度な電子機器、そして輸送、航空宇宙、建設分野向けの耐久性が高く軽量な材料など、多岐にわたる課題が生じています。材料の発見や選定における従来の方法は、こうした需要のペースに追いつくにはもはや不十分となっています。 

本講演では、インシリコ解析、最適化、および創出を行うデジタルケミストリー・プラットフォームを活用した、材料研究開発への最新のアプローチについて紹介します。このプラットフォームにより、有機エレクトロニクス、触媒、エネルギーの回収・貯蔵、高分子材料、消費財、医薬品の製剤・送達、薄膜加工など、幅広い応用分野において、大規模な材料設計が可能となります。 

物理ベースのモデリング手法（例：DFT 、分子動力学、粗視化）と機械学習を組み合わせることで、研究者はインシリコ手法を日常のワークフローに容易に組み込み、研究開発の期間を短縮することができます。さらに、自動化されたソリューションにより、ローカルデバイス上での単純な分子物性の予測から、クラウド上でのハイスループット計算に至るまで、スケールアップが可能になります。

本講演では、経験豊富なモデラーだけでなく、デジタルケミストリーの手法に不慣れな初心者実験者によっても実施された実例を紹介いたします。 

主な学習目標：

• 物理ベースのシミュレーションや機械学習から得られるデータを活用し、材料の研究開発を加速させる方法を学ぶ
• 有機エレクトロニクス、触媒、エネルギーの回収・貯蔵、高分子材料、消費財、医薬品の製剤・送達、薄膜加工など、材料産業全般にわたる実践的な事例研究や顧客事例をご紹介します。
• 同定 研究開発において、物理ベースのシミュレーションや機械学習が価値をもたらす主要な分野