제형 설계를 위한 고급 머신러닝 및 분자 시뮬레이션

개요

복잡한 화학 혼합물, 즉 제형은 석유·가스 분야의 가솔린 혼합물, 소비재 분야의 일상 관리 제품, 제약 분야의 약물 전달 등 광범위한 분야에서 사용됩니다. 잠재적인 제형의 수가 방대하고, 규제 요건이 지속적으로 변화하며, 친환경적이고 지속 가능한 제품에 대한 소비자 수요가 증가함에 따라, 향상된 제형을 설계하기 위한 혁신적이고 비용 효율적인 솔루션이 필요합니다. 원자 수준 모델링 및 기계 학습( 머신러닝 , ML) 분야의 최신 발전 덕분에 수많은 제형 후보를 컴퓨터를 통해 선별할 수 있게 되었으며, 이를 통해 유망한 제형을 신속하게 식별하고 비용이 많이 드는 실험을 줄일 수 있게 되었습니다.

Schrödinger의 ‘Formulation 머신러닝 ’ 도구는 데이터 기반 방법을 활용하여 원료의 구조 및 조성물과 제형 특성을 연관 짓습니다. 이 도구는 첨단 화학정보학 표현자 과 자동 하이퍼파라미터 튜닝을 통해 최적의 머신러닝(ML) 모델을 찾아내며, 실험이나 고처리량 분자 동역학( 분자동역학 , MD) 계산에서 도출된 외부 특징(예: 온도, 압력)을 ML 모델의 추가 입력으로 활용할 수 있게 해줍니다. Formulation ML 도구를 통해 R&D 팀은 ML 모델을 신속하게 훈련 및 배포하여, 화학 성분, 조성 및 외부 특징을 변화시킴으로써 제형의 광범위한 설계 공간을 빠르게 탐색할 수 있습니다.