MS フォーミュレーション ML
正確な配合と物性の相関関係を導き出し、所望の物性を備えた新規配合をスクリーニングするための、自動化された機械学習ソリューション
より優れた処方を設計するために、精度の高い機械学習モデルを作成する
「Formulation ML」を利用することで、科学者は成分の構造や組成に基づいて物性を予測することができます。配合の専門家であっても、この分野を学び始めたばかりであっても、この自動化された教師あり学習ソリューションを活用すれば、配合と物性の関係についてより深い洞察を得ることができます。
主な機能
成分の構造や組成が異なる化学混合物について、最大100種類以上の成分に対応可能な、配合-物性モデルを構築する
新しい化学構造や組成を持つ新規製剤を、1製剤あたりわずか数秒で迅速に予測します
特性を微調整するためにどの分子的特徴に注目すべきかを把握し、特徴重要度ツールを活用して、学習済みモデルを用いてその特性に関する主要な記述子を同定 する
専門的なケミインフォマティクス記述子と、機械学習の専門知識がほとんどなくても行える自動ハイパーパラメータ調整を活用し、正確な機械学習モデルの開発を実現します
実験データを含むカスタマイズされた記述子をCSV形式で機械学習モデルに入力し、モデルの性能を向上させる
学習済みの機械学習モデルを用いて、成分構造 や組成を調整することで、複数の特性を同時に最適化し、次の実験に向けた最適な配合案を提案します。
注目のリソース
ホワイトペーパー
材料科学
ウェビナー
材料科学
AI／MLと物理ベースのシミュレーションの融合：複雑な材料設計の新たな時代
本ウェビナーでは、電池の電解液や燃料混合物から熱可塑性樹脂、OLEDデバイスに至るまで、材料科学の幅広い応用分野において、この複合的なアプローチを材料および配合の設計に活用する方法についてご紹介します。
ウェビナー
ライフサイエンス
材料科学
機械学習の手法を用いた医薬品製剤の開発の加速
このウェビナーでは、Schrödingerの機械学習と物理学に基づく統合的なアプローチが、医薬品の製剤設計にどのような変革をもたらしているかを実演します。
材料科学の研究分野全般にわたる幅広い応用
出版物
「化学混合物の設計におけるハイスループット分子シミュレーションと機械学習の活用」、Alex, C. ほか、npj Comput Mater 11, 72, 2025, https://doi.org/10.1038/s41524-025-01552-2.
Schrödingerの「Formulation ML」に関する相談を予約する
今すぐお問い合わせください。高度なシミュレーションやAI／MLを活用して、製品処方の意思決定を変革し、業界で競争優位性を確立する方法についてご提案いたします。
上記のリストに、ご興味のある分野が見当たらない場合は、お気軽にお問い合わせください。
フォームが送信されました
ありがとうございます。近いうちにご連絡いたします。