机器学习（ML） 和优化 配方，用于加速材料发现
日期和时间 - 2026年6月25日
- 上午 8:00（太平洋夏令时）| 上午 11:00（东部夏令时）| 下午 4:00（英国夏令时）| 下午 5:00（中欧夏令时）| 晚上 8:30（印度标准时间）
位置 - 虚拟
要发现具有优良性能的新化学物质和材料，或对现有化学物质进行配方改良，必须进行大量试错实验；而面对海量的可能性，这种方法不仅成本高昂，而且效率低下。Schrödinger的“材料科学套件”是一个基于物理原理、数据驱动的平台，它通过可扩展的自动化数字工具来指导下一轮实验，从而提供了一种经济高效的替代解决方案。
欢迎参加我们即将举办的网络研讨会，了解您的研发团队如何利用自动化、数据驱动的解决方案来指导多功能化学解决方案的设计。本次网络研讨会将重点探讨如何运用材料信息学、配方优化机器学习（ML） 以及优化 等工具，构建精准的化学预测模型，筛选大型化合物库，并根据所需的靶点 性能提供优化方案。我们将通过实验数据集，演示在聚合物、消费品、电池等广泛的材料科学应用领域中，运用这些工具是多么简单。
欢迎参加我们的活动，观看以下演示：
- 针对纯液或二元液，训练能够准确预测药物溶解度的机器学习模型，并将其作为温度的函数
- 运用优化 工具，针对所需的靶点 性能进行配方设计，从而快速为后续最佳实验提供建议
- 这些工具具有可迁移性，可应用于聚合物、消费品、电池等不同化学领域，这表明它们在各种应用中都具有广泛的实用价值。
适合哪些人参加：
- 研发负责人
- 创新经理
- 数字化经理
- 计算材料科学家
- 材料科学家
- 制药科学家
- 配方科学家
- 合成化学家
我们的演讲嘉宾
亚历克斯·K·丘
二级首席科学家，Schrödinger
Alex K. Chew 目前担任Schrödinger 公司的二级首席科学家，他致力于通过整合基于物理理论 建模与机器学习（ML） 算法来加速材料设计。Alex 于2016年获得纽约大学坦登工程学院学士和硕士学位，随后于2021年获得威斯康星大学麦迪逊分校化学工程博士学位。 在威斯康星大学麦迪逊分校攻读研究生期间，亚历克斯在里德·C·范·莱恩（Reid C. Van Lehn）教授的指导下，专注于整合分子动力学 (MD) 、模拟 和机器学习（ML） 等工具，以设计用于生物医学应用的新型纳米材料，并开发新的溶剂介导工艺，从而提高生物质转化为燃料的效率。 自威斯康星大学麦迪逊分校毕业后加入Schrödinger 以来，亚历克斯一直致力于为工业应用开发基于物理原理的机器学习（ML） 解决方案，设计教程以帮助客户充分利用我们的机器学习（ML） 工具，并开发新的机器学习（ML） 工作流程，以扩展我们在广泛材料应用领域的科学软件能力，重点在于计算机辅助配方设计。亚历克斯在分子动力学 (MD) 模拟和机器学习（ML） 算法方面拥有专业知识，已合著16篇以上经同行评审的论文，被引用次数超过1000次。