演讲人：
劳拉·斯卡巴斯-埃弗斯博士，高级科学家

摘要：
机器学习（ML） 与基于物理的建模及企业信息学的融合如何推动材料发现的变革。

诸如清洁能源未来或循环经济等全球性挑战，推动了对新材料的需求。通常情况下，材料的性能取决于众多参数，这使得仅依赖实验的传统研究方法效率低下、耗时且成本高昂。数据驱动的方法可以显著加快发现进程，并缩短从构想到上市的时间。

在本场演讲中，我们将阐述如何利用Schrödinger的机器学习（ML） 技术与基于物理的建模相结合，来预测新材料的性能。 我们将通过聚合物和光电子材料等重要材料科学领域的应用案例，说明如何利用实验数据以及基于物理理论 建模生成的数据，构建机器学习（ML） 模型来预测物理性能，甚至提出新的化合物。最后，我们将演示如何将机器学习（ML） 方法整合到协作设计方案中，从而最大限度地提高其易用性，并让非专业用户也能轻松使用。