머신러닝 를 활용한 제형 설계 및 가속화된 신소재 발굴을 위한 최적화

우수한 특성을 지닌 새로운 화학 물질과 소재를 발굴하거나 기존 화학 물질의 조성을 재설계하려면 광범위한 시행착오를 거쳐야 하는데, 가능성이 무궁무진한 상황에서 이는 비용이 많이 들고 비효율적입니다. Schrödinger의 ‘Materials Science Suite’는 물리학에 기반을 둔 데이터 주도형 플랫폼으로, 확장 가능하고 자동화된 디지털 도구를 통해 다음 단계의 실험을 안내함으로써 비용 효율적인 대안을 제시합니다.

다가오는 웨비나에 참여하여 귀사의 R&D 팀이 자동화된 데이터 기반 솔루션을 활용하여 다목적 화학 솔루션의 설계를 이끌어내는 방법을 알아보세요. 이번 웨비나에서는 재료 정보학, 제형 머신러닝, 최적화 도구를 적용하여 정확한 화학 예측 모델을 구축하고, 대규모 라이브러리를 스크리닝하며, 원하는 목표 특성에 기반한 최적화된 솔루션을 제공하는 방법에 중점을 둘 예정입니다. 폴리머, 소비재, 배터리 등 광범위한 재료 과학 응용 분야에 걸친 실험 데이터 세트를 활용하여 이러한 도구를 적용하는 것이 얼마나 쉬운지 시연해 드리겠습니다.

저희와 함께하여 다음 주제에 대한 데모를 확인해 보세요:

• 온도에 따른 순수 또는 이원성 액체에 대한 정확한 약물 용해도 기계학습 모델 훈련
• 최적화 도구를 활용하여 원하는 목표 특성에 맞춰 제형 설계를 조정함으로써, 차선책이 될 실험에 대한 신속한 제안을 제공합니다.
• 이러한 도구는 고분자, 소비재, 배터리 등 다양한 화학 분야에 적용될 수 있는 이식성을 갖추고 있어, 다양한 용도에서 폭넓게 활용될 수 있음을 보여줍니다.

참가 대상:

• 연구개발(R&D) 리더들
• 혁신 관리자
• 디지털화 관리자
• 계산 재료 과학자
• 재료 과학자
• 제약 과학자
• 제형 연구원
• 합성 화학자