MSフォースフィールドの応用例

「MS Force Field Applications（MS FF Applications）」には、Schrödingerが提供する広く利用されている OPLS4 および新しいOPLS5力場へのアクセスに加え、多様な物性予測ワークフローに対応するSchrödinger のすべての機械学習力場（MLFF）も利用可能です。Schrödinger は、より正確で信頼性の高いモデリング結果を実現できるよう、力場分野におけるイノベーションの推進に尽力しています。

新着情報： 

• OPLS5：ドルーデ発振子を追加することで分極率を明示的に扱う機能を備えており、これにより陽イオンとπ結合との相互作用を正確にモデル化できるほか、荷電系における水素結合のより正確な扱いが可能となる。
• MPNICE：機械学習力場（MLFF）は、機械学習原子間ポテンシャルとも呼ばれ、古典的な力場とDFT の中間的な位置づけにある。これは、前者の線形スケーリングを維持しつつ、後者の精度に近づけるものである。反復電荷平衡化を伴うメッセージパッシングネットワーク（MPNICE）は、Schrödinger によって開発されたMLFFアーキテクチャであり、89種類の元素を網羅する複数の事前学習済みモデルが利用可能で、平衡化された原子電荷と長距離静電相互作用を明示的に組み込んでいる。
• 微調整：MPNICEやUMAといったアーキテクチャは卓越した汎用性を備えていますが、特定のシステムにおいて高精度を実現するには、量子力学データを用いてモデルを最適化することがしばしば必要となります。MS FF Applicationsは、Jaguar やQuantum EspressoによるDFT 計算を活用し、MPNICEモデルの微調整を行うための直感的で自動化されたインターフェースを提供します。これにより、材料科学のあらゆるワークフローやソリューションにシームレスに統合される、アプリケーションに特化したカスタムMLFFの開発が可能になります。
• 3D MLモデル向けのMPNICE埋め込み：MLFFの内部層には、化合物空間 および3D原子配置の精巧かつ高密度なマッピングがカプセル化されています。これらの潜在表現を活用することで、MPNICE埋め込みを使用すれば、3D座標から直接機械学習モデルを構築することが可能になります。これにより、周期構造と非周期構造の両方を網羅し、有機、無機、およびハイブリッドシステムにわたる高精度な予測モデルの作成が可能になります。