MAY 9, 2024
超越人工智能：基于物理理论 模拟在下一代食品设计中的重要性
Schrödinger 将参加一场题为《超越人工智能：基于物理理论 模拟在下一代食品设计中的重要性》的在线研讨会。此次线上活动将于5月9日由IFT（食品科技学会）主办，主讲嘉宾为Schrödinger 的产品经理杰弗里·桑德斯博士。
参加本次网络研讨会，您将了解到：
- 如何利用基于物理理论 模拟数据和机器学习（ML） 数据来加速食品研发
- 对食品产品开发产生影响的实际案例和案例研究
- 探索贵公司在研发领域的关键领域，基于物理理论 、模拟 和机器学习（ML） 可在这些领域为您创造价值
杰弗里·桑德斯博士
产品经理
杰夫·桑德斯（Jeff Sanders）先后获得伍斯特理工学院（Worcester Polytechnic Institute）的应用物理学理学学士学位，以及托马斯·杰斐逊医学院（Thomas Jefferson Medical College）的生物物理学与分子药理学博士学位。自2013年加入Schrödinger 以来，他曾担任多个职务，目前是消费包装品 应用组的产品经理兼科学先导化合物 。 此外，他还是食品工程、扩展与发展（FEED）研究所的管理委员会成员，并在马萨诸塞大学阿默斯特分校食品科学系担任兼职教职。
概述
随着人工智能（AI）解决方案在日常生活中的应用日益广泛且触手可及，食品行业正在寻找切实可行的应用场景，以充分发挥其潜力。尽管有人认为人工智能将使食品行业的传统研发工作变得过时，但这种范式转变尚未真正实现。要实现如此大规模的数字化转型，数据将成为关键驱动力。
在食品科学领域，数据收集往往较为零散，或者仅在宏观尺度上进行，难以深入了解其背后的物理和化学驱动因素。与人工智能（也称为机器学习（ML） ）不同，基于物理理论 模拟 能够基于食品、加工工艺及包装材料的现实计算模型生成数据。 生成的数据具有可解释性，使研究人员和工程师能够在开展耗资巨大的实验测试之前做出明智的决策。通过利用基于物理理论 在分子层面生成的模拟数据，并结合现有的实验数据（如有），机器学习（ML） 即可构建模型，从而克服常遇到的数据稀疏问题。更重要的是，基于物理理论 的模拟结果可帮助研究人员开发出既可解释又可验证的模型。
在本场演讲中，我们将探讨基于物理理论 模拟技术在食品研究中的应用，以及将其与机器学习（ML） 模型相结合时所能产生的协同效应。