人工智能（AI）和机器学习（机器学习（ML） ，ML）正在重塑材料科学，通过在广泛的应用领域中实现数据驱动的设计和优化 ，为创新开辟了新的可能性。从加速新材料的发现到针对特定性能指标优化配方，AI/ML使研究人员能够以前所未有的速度和精度探索复杂的化学空间。 这些方法即使在数据有限的环境中，也能减少对试错式实验的依赖；使科学家能够应对电子、储能、聚合物和催化等不同技术领域的挑战。Schrödinger的集成式 平台将基于化学知识的机器学习与基于物理理论 模拟相结合，从而提升了材料设计中的可预测性、可扩展性以及整体创新能力。

在本场网络研讨会中，我们将探讨人工智能（AI）和机器学习（ML）如何推动材料创新取得重大进展，并重点介绍若干案例研究，展示机器学习前沿技术在各类应用中的实践。此外，我们将介绍Schrödinger 平台，展示该平台如何帮助研究人员高效地设计和优化材料。具体而言，我们将重点介绍：

• 基于物理增强的创新型OLED器件设计机器学习（ML）
• 优化 消费包装品 、电池电解液、聚合物及催化领域的材料性能
• 利用机器学习（ML） 力场（MLFF）提高原子级模拟的吞吐量和精度