演讲者：

赛恩坦·巴格，一级高级科学家，Schrödinger

摘要：

人工智能（AI）和机器学习（机器学习（ML） ，ML）正在重塑材料科学，以前所未有的速度和精度加速新材料的发现并优化配方。从聚合物到催化剂，这些工具开辟了曾被认为无法实现的设计可能性。 但如果没有物理和化学的基础，AI/ML 能否取得成功？我们能否为了采用纯粹的数据驱动方法而忽视数十年的科学认知？在Schrödinger ，我们将基于化学意义的表示构建的机器学习（ML）与原子级（基于物理理论 ）模拟相结合。这种协同作用提高了精度，降低了实验成本，甚至在数据有限的情况下也能提供深刻见解。在本场网络研讨会中，我们将通过实际案例研究，探讨Schrödinger的 AI/ML 方法如何正在改变材料研发。 我们的创新体现在两个层面：首先，通过开发适用于高通量、高精度建模的机器学习（ML） 力场（MLFFs），优化原子级模拟中的精度与效率权衡；其次，直接应用AI/ML技术来预测和优化消费品、电池电解液、聚合物及催化剂等应用领域的材料性能。