借助 Bunsen——您在物理与人工智能领域的能动型科研伙伴,加速材料创新
- 2026年10月6日
- 太平洋夏令时上午8:00 | 东部夏令时上午11:00 | 英国夏令时下午4:00 | 中欧夏令时下午5:00
- 虚拟
材料研发的进展往往并非受限于缺乏创意,而是受制于将科学目标转化为严谨、可执行的工作流程所需付出的努力——从汇集可靠数据、选择合适的方法,到管理计算、解读结果以及决定下一步行动。Schrödinger的Bunsen是一款具备自主能力的协同科学家,它能在真正原生的化学环境中将这些步骤有机连接起来——该系统基于3D原子级结构(而非仅依赖文本),并构建于Schrödinger的基于物理理论 建模技术、机器学习(ML) 以及公认的科学最佳实践之上。
在本场网络研讨会中,通过实用的材料开发案例研究,将展示Bunsen如何突破传统聊天界面的局限,规划并执行涵盖文献与数据分析、量子力学(QM) 和分子动力学 (MD) 模拟、机器学习(ML) 、候选化合物迭代优化,以及将结果整合为清晰、可共享报告的多步骤工作流。 无论是在催化、半导体 加工、有机电子 、能量存储、消费品配方还是可持续聚合物领域,Bunsen 都能帮助团队驾驭复杂的多维设计空间,识别数据缺口和建模风险,并优先筛选出最具信息价值的候选方案以供进一步计算或实验。
与会者将了解到,在科学监督指导下的自主自动化技术如何减少人工交接环节,将数据转化为可解读的知识和可共享的报告,确保可追溯性,并帮助材料研发团队更高效地从问题探索过渡到基于证据的决策。
我们的演讲嘉宾

阿南德·钱德拉塞卡兰
材料科学领域人工智能/机器学习产品经理,Schrödinger
阿南德·钱德拉塞卡兰(Anand Chandrasekaran)于2019年加入Schrödinger ,目前担任材料科学领域的人工智能/机器学习(AI/ML)产品经理。他的专业领域在于将机器学习(ML) 应用于材料科学的各个领域以及计算建模。他毕业于瑞士洛桑联邦理工学院(EPFL)尼古拉·马尔扎里(Nicola Marzari)教授的研究组,获得材料科学博士学位。 在加入Schrödinger 之前,阿南德还曾在兰皮·拉姆普拉萨德(Rampi Ramprasad)教授的研究组工作,从事过多个研究课题,包括聚合物信息学、基于机器学习的力场以及用于电子结构计算的机器学习。