MSインフォマティクス
材料科学分野向けの自動機械学習ツール
概要
MS Informaticsは、有機化合物、有機金属化合物、高分子、化学混合物（すなわち、製剤）、および無機固体材料向けの分子特徴量抽出および機械学習（ML）ツールを提供し、データ駆動型のアプローチを通じて新素材の設計を支援します。物理ベースの特徴量抽出、カスタマイズされた事前学習済みMLモデル、およびMLモデルの学習・評価を行う自動化されたワークフローを組み合わせることで、ユーザーは計算効率に優れたデータ駆動型のアプローチを活用し、有望な材料のスクリーニングや絞り込みを行うことができます。
主な機能
有機分子、高分子、製剤などに対して、計算効率に優れた機械学習モデルを用いて、正確な材料特性の関係を構築する
ケミインフォマティクス、半経験的手法、量子力学（QM）、分子動力学（MD）を活用し、有機、無機、および高分子材料向けの高度な物理学に基づく記述子を用いて、モデルの予測精度を向上させる
事前学習済みの機械学習モデルを用いて、分子のポリマーガラス転移温度、粘度、密度、およびさまざまな光電子特性などの特性を予測する
直感的なGUIを介して操作を行い、Schrödingerの汎用機械学習力場（MPNICE）を用いて、周期系および気体系phase の両方に対して、単一点最適化および幾何学的最適化を実行します。
事例紹介とウェビナー
Schrödinger の技術が、現実の研究課題の解決にどのように活用されているかをご覧ください。
さまざまな特性を予測するための、事前学習済みの機械学習モデルが含まれています
有機化合物および有機金属化合物の沸点と蒸気圧
高分子のガラス転移温度
周波数依存性を持つ高分子の誘電率および誘電損失
低分子の密度
低分子化合物の粘度
有機分子の水溶性
非水系における溶解度
融点
HOMO/LUMO
光電子特性
吸収および発光のピーク位置と帯域幅（FWHM）
消光係数
発光寿命
フォトルミネッセンス量子収率（PLQY）
シングレット-トリプレットエネルギーギャップ（S1-T1）
酸化電位および還元電位
ドキュメントとチュートリアル
Schrödingerのソフトウェアに関するよくある質問への回答や、その活用におけるベストプラクティスをご確認ください。
関連商品
研究プロジェクトを前進させるために活用できる関連の計算技術について、詳しくご覧ください。
出版物
関連する応用分野において、Schrödinger 技術を採用した査読付き論文の一覧をご覧ください。