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。

计算化学

计算化学

采用高影响建模技术,助力您的材料研发

尽管计算化学早已成为材料研发过程的一部分,但我们正经历着从“计算机辅助”向“计算机驱动”材料发现的范式转变。

借助施罗丁格(Schrodinger)的分子数字平台模拟 ,您可以利用高性能的基于物理理论 建模和机器学习(ML) 技术,从而提升您的设计与发现流程,并助力您实现真正的材料研发创新。

Schrödinger 平台对计算化学家的优势

数十年的创新成果尽在指尖

借助这项由30年科学研发支撑、经各行业数千名客户验证的技术,并根据用户反馈持续优化软件

借助 GPU 加速实现速度、精度和性能

确保您能够取得成果并按时完成项目——借助加速的 GPU 性能,实现速度、准确性和功能性的完美结合。

通过单一用户界面即可访问模拟 的各项功能

通过单一直观的界面 MSMaestro ,即可访问强大的分子量(量子力学(QM) ,QM)和周期性(periodic)模拟、分子动力学(分子动力学 (MD) ,MD)模拟(包括全原子和粗粒化模拟)以及机器学习(机器学习(ML) ,ML)功能,并配备自动化工作流。

轻松实现建模工作流的自动化

利用Schrödinger 的PythonAPI ,通过通用脚本语言Python实现建模功能的自动化

由一支专家团队提供支持

借助Schrödinger的计算化学专家团队,彻底改变您使用新软件的入门体验。该团队提供专业的技术支持、科学支持 以及个性化培训。

阅读文章
丰富的在线学习资源库

访问丰富的在线教育资源,包括教程和在线课程,帮助您的团队(包括刚接触计算化学的实验人员)快速提升技能

分子建模 和机器学习(ML) 提供广泛的功能

Schrödinger 提供种类繁多的先进软件解决方案,以支持材料科学家和工程师的工作。

基于高斯轨道和平面波基函数的密度泛函理论 
分子力学(MM) 采用精确的构象搜索算法
用于分子动力学 (MD) 模拟的高级全原子力场
基于自动库生成算法的材料信息学
基于扩展紧束缚方法的加速量子化学
适用于全原子和粗粒化表示的经典分子动力学 (MD)  
机器学习(ML) 支持主动学习算法和深度神经网络
分子建模 用于材料科学领域

在线认证课程:提升您在材料创新领域的技能水平

还不熟悉Schrödinger 软件及其界面?您可以利用丰富的教育资源、自主学习的课程以及专为您量身定制的一对一培训。 Schrödinger 软件专为专家和初学者设计,拥有易于使用的界面和自动化工作流程,并由专业的科学和技术支持 团队提供支持。

了解更多

你身边有不少志同道合的人

“借助Schrödinger的数字分子模拟 平台,我们通过计算机模拟探索了数千种新材料,并据此筛选出最有可能提升LMB电池性能和稳定性的候选材料。过去两年间,这一方法使我们的电池性能提升了10倍。”
杰西卡·戈尔登,塞皮昂科技研发总监
“与当前依赖于基础开源分子描述符以及变异性大且数据有限的公开数据库的计算方法不同,这一创新方法利用Schrödinger的基于物理理论 建模技术来计算更全面的描述符,并借助Eonix化学多样性丰富的数据库进行稳健的机器学习(ML) 模型训练。”
唐·德罗萨,Eonix联合创始人
“与纯粹的实验方法相比,采用Schrödinger的技术平均可将研发周期缩短至原来的1/10。”
马丁·塞特尔,利洁时公司聚合物科学、可持续发展与包装部门高级研究经理
“通过将机器学习(ML) 的高速优势与Schrödinger的基于物理理论 模拟 方法的精准性相结合,Cambrium正在开拓新型生物材料领域的新天地。
皮埃尔·萨尔维,Cambrium GmbH 工程总监

满足您组织需求的软件和服务

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。