作为公司范围内的休整与充电计划的一部分,Schrödinger 全球所有办事处将于8月17日至21日当周暂停办公。在此期间,我们的响应将有所限制,敬请谅解。Scientific和技术支持 团队成员仅会处理紧急支持问题。

薄膜加工

加速推进下一代电子设备的研发

薄膜加工

借助数字仿真的强大功能,优化半导体 的处理流程

半导体 行业的科学家们始终面临着巨大的压力,需要研发出体积更小、性能更强、能效更高的电子设备。在微米或纳米尺度上制造下一代器件结构,是一项日益严峻的巨大挑战。

Schrödinger的材料科学平台提供先进的计算工具,帮助企业优化电子及其他高科技行业的原子级加工工艺,并提升器件性能。

背景图案

由薄膜加工领域的专家设计的直观计算工作流

适用于所有材料类型的易用型系统构建工具
适用于分子模拟 、机器学习(ML) 以及数据分析的强大工作流
专业的客户支持和丰富的培训资源

针对当今电子行业面临的材料与工艺挑战的解决方案

优化前体材料

  • 计算用于薄膜沉积或刻蚀的前驱体的关键物理和化学性质,包括挥发性和热稳定性
  • 通过计算机模拟深入了解表面化学反应,即前体与基底发生反应的区域
  • 利用大规模筛选 加速新前体化合物的发现,以及机器学习(ML)

优化半导体 的制造工艺

  • 确定适用于MOCVD、ALD和刻蚀工艺的晶圆加工的最佳前驱体和助剂组合
  • 预测表面反应性,以确定实验工艺参数的最佳范围
  • 获得原子级层面的洞察,以帮助排查工艺问题

对材料进行仿真,以使芯片和器件制造过程更具可预测性

  • 模拟与计量技术相辅相成的材料特性,并深入了解器件性能
  • 通过在原子层面分析材料,查明设备故障的根本原因
  • 通过计算机模拟对新的材料组合进行测试和筛选

案例研究与网络研讨会

了解Schrödinger 技术如何被用于解决现实世界中的研究难题。

材料科学 网络研讨会

原子层沉积:连接理论与实验,设计碳氮化硅的制备工艺

2026年3月19日 | 我们将通过Schrödinger与Lam Research的合作案例,介绍一种将计算科学(DFT )与实验(RGA、FTIR)相结合、高效筛选最佳前驱体的方法。

材料科学 网络研讨会

原子层沉积数字论坛:架起理论与实验的桥梁,设计碳氮化硅工艺

欢迎加入我们的讨论,共同探讨理论与实验如何有效结合,以解决高科技产业面临的研发挑战。

材料科学 网络研讨会

利用基于物理的AI/ML加速材料发现

本系列网络研讨会将探讨前沿计算方法如何彻底改变药品、生物制剂和先进材料的设计与优化 。

材料科学 网络研讨会

推进机器学习(ML) 力场在材料科学中的应用

在本场网络研讨会中,我们将介绍Schrödinger开发的尖端MLFF架构——名为“带迭代电荷平衡的消息传递网络”(MPNICE)的架构,该架构融合了显式静电理论,以实现精确的电荷表征。

材料科学 网络研讨会

利用人工智能/机器学习加速化学创新:材料应用领域的突破

在本期网络研讨会中,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,并重点介绍一些案例研究,展示机器学习前沿技术在各种应用中的应用。

材料科学 网络研讨会

高性能材料发现:依托云计算实现的十年突破

本次演讲将展示Schrödinger 的集成式 材料科学平台如何支持在各种应用场景中开展大规模并行筛选 和从头设计 项目。

材料科学 网络研讨会

有针对性的模拟 :在表面化学建模中实现最大影响

在本场网络研讨会中,您将了解各种表面原子级模型,并深入理解每种模型的基本原理、优势及局限性。

材料科学 网络研讨会

借助Schrödinger的数字化学平台,加速不对称催化剂的设计

在本场网络研讨会中,我们将演示如何利用Schrödinger的先进数字化学平台,加速不对称催化剂的直接设计与发现。

材料科学 网络研讨会

基于物理理论 建模与机器学习(ML) 如何助力电池材料的加速开发

在本场网络研讨会中,我们将通过具体案例,演示如何利用自动化解决方案准确预测阴极材料的热力学稳定性和电压曲线、电极材料 中的离子扩散路径及动力学、液态电解质的输运性质,以及如何使用Schrödinger的SEI模拟模块对固态电解质界面膜(SEI) 层的成核与生长进行建模。

材料科学 网络研讨会

用于控制沉积或刻蚀化学过程的工艺参数的高效计算

在本场网络研讨会中,我们将演示如何将原子尺度的DFT 方法嵌入到更高层次的计算方案中,从而对控制化学过程的条件和参数进行准确且可行的预测。

在线认证课程

分子建模 用于材料科学领域 材料科学 材料科学
表面化学

利用分子量子力学(QM) 、周期性量子力学(QM) 以及机器学习(ML) 方法研究原子层加工与异相催化

在线认证课程:提升您的催化建模技能 材料科学 材料科学
均质催化与反应性

利用分子量子力学(QM) 和机器学习(ML) 方法在分子水平上研究反应性与反应机理

文档与教程

了解常见问题的解答,并掌握使用Schrödinger软件的最佳实践。

材料科学 习题指南

构建外延界面

通过拓扑匹配寻找相容的取向,并生成晶面 模型,从而在晶体材料之间构建外延界面。

材料科学 习题指南

机器学习(ML) 采用 MPNICE 嵌入式技术

学习如何使用 MPNICE Embedding 构建、分析和应用机器学习模型。

材料科学 习题指南

机器学习(ML) 力场的精细调整

学习如何对预训练的机器学习(ML) 力场(MLFF)模型进行微调,以研究二维材料的晶格参数。

材料科学 习题指南

通过微动力学建模研究催化选择性

学习如何利用微动力学建模(MKM)计算,分析CO和H₂在Pd(111)表面催化氧化反应的选择性 。

材料科学 习题指南

确定表面上的吸附位点

了解如何确定表面上的吸附位点。

材料科学 文献资料

机器学习(ML) 力场

机器学习(ML) 力场(MLFFs)为预测任意系统的能量提供了一种新颖的方法。

材料科学 文献资料

MS Surface

一种用于异相催化和材料加工的解决方案。

材料科学 文献资料

MS 反应性

分子化学中用于设计、优化 以及无监督机制发现的自动化工作流。

材料科学 文献资料

信息学硕士

用于材料科学应用的自动化机器学习(ML) 工具

材料科学 文献资料

MS Microkinetics

一种用于表面反应动力学研究的高效工具。

主要产品

进一步了解可用于推进您研究项目的关键计算技术。

MS Surface

异相催化与材料加工的解决方案

虚拟集群

用于在云端运行仿真的安全、可扩展的环境

Quantum ESPRESSO 接口

集成式 用于纳米尺度量子力学模拟的图形用户界面

Jaguar

量子力学(QM) 用于快速、准确预测分子结构和性质的解决方案

信息学硕士

用于材料科学应用的自动化机器学习(ML) 工具

MSMaestro

适用于材料发现的完整建模环境

DeepAutoQSAR

用于预测性机器学习(ML) 模型训练和应用的自动化、可扩展解决方案

LiveDesign

您的全方位数字分子设计实验室

MS 反应性

分子化学中用于设计、优化 以及无监督机制发现的自动化工作流

出版物

浏览采用Schrödinger 技术、发表在相关应用领域的经同行评审的出版物列表。

材料科学 出版物

NiOx的原子层沉积:利用新型前驱体组合在光电化学水氧化中的潜力

材料科学 出版物

通过高效的声子计算确定钌金属原子层沉积的温度窗口

材料科学 出版物

利用六氟乙酰丙酮和H₂等离子体研究Al₂O₃的原子层刻蚀机理

材料科学 出版物

高介电常数介电层/III-V族界面化学性质及其调控

材料科学 出版物

以杂配体铜(II)配合物为例,研究MOCVD前驱体的电子结构及其分子重排的模拟 ,以预测其在蒸发过程中的热稳定性

材料科学 出版物

n型基区的希夫基半导体 :合成、表征及二极管特性

材料科学 出版物

基于硼酸的n型半导体 ,适用于电子器件应用

材料科学 出版物

通过改性界面特性,利用强结合能提高NO₂气体传感能力

材料科学 出版物

通过热接枝法将苯甲醛接枝到硅表面以制备具有催化活性的硅表面,并采用电学方法进行表征

材料科学 出版物

原子层刻蚀工艺窗口的预测与验证:TiO₂上的HF刻蚀

满足您组织需求的软件与服务

软件平台

借助基于基于物理理论 分子建模 、机器学习(ML) 以及团队协作功能的全面且易于使用的平台,部署数字资料发现工作流。

研究服务

借助Schrödinger的专业计算科学家团队,在您材料发现与开发过程的关键阶段提供支持。

支持与培训

获取专为新手和资深用户量身定制的专家支持、教育资料和培训资源。