AIや機械学習（ML）は、材料の設計や探索における「ボタンを押すだけで済む」ソリューションとして売り込まれることがよくありますが、厳密な基礎がなければその価値は発揮されません。現在のAI革命はかつてないスピードと可能性をもたらしていますが、複雑な手法が大きな成果につながるためには、人間のノウハウが不可欠な要素となります。真のイノベーションは、物理ベースのシミュレーション、AI／ML、そして人間の専門知識が交わる場所で生まれます。Schrödingerの各分野の専門家たちが、これら3つの柱をどのように統合して材料の最適化を効率化しているのか、ぜひご参加の上、ご一緒に探求しましょう。 

本セッションでは、一過性のブームを乗り越え、有意義なビジネス成果をもたらすデジタルケミストリー戦略をどのように実践すべきかについて議論します。Schrödingerのマテリアルサイエンス・プラットフォームをご紹介するとともに、低分子から製剤、エレクトロニクス、工業製品に至るまで、さまざまな業界や用途における影響力の大きい事例を共有します。また、デバイスレベルの機械学習や最先端の機械学習力場（MLFF）アーキテクチャなど、最近の進歩についてもご紹介します。 

主な学習目標：

• AI／MLによる予測を補完するために、物理ベースのモデリングが不可欠な理由
• デジタルケミストリーにより、業界を問わず創薬の所要期間が数年から数ヶ月へと短縮された実用事例
• 専門家によるサポートが、モデリング初心者からベテランまで、あらゆるユーザーにとってプロジェクトの成功をどのように保証するか

参加対象者：

• 研究開発のリーダーたち 
• イノベーション・マネージャー 
• デジタル化担当マネージャー
• 合成化学者
• 材料科学者
• 化学技術者
• 材料研究エンジニア
• 計算化学者
• 計算材料科学者