主动学习的应用
借助……加快发现进程机器学习（ML）
在广阔的范围内扩大探索范围化学空间
“主动学习应用”是一款功能强大的工具，它利用从完整化合物库中迭代采样的数据（例如FEP+ 预测的亲和力或Glide 分子对接 评分），对机器学习（机器学习（ML） , ML）模型进行训练。基于物理理论
经过训练的模型能够快速对新分子进行预测，并在超大规模化合物库中识别出得分最高的化合物，其成本仅为穷举法的一小部分，速度也远超后者。
药物发现领域的关键应用
主动学习Glide
在超大规模化合物库中发现高效活性化合物
利用Glide 分子对接 结合尖端的机器学习（ML） 模型，在极短时间内对数十亿种化合物进行筛选。通过主动学习，仅需0.1%的成本，即可恢复约70%原本通过Glide 对超大规模化合物库进行穷举式分子对接 所发现的最高得分候选化合物。
主动学习FEP+
探索多样化的化学空间 在先导化合物 优化
利用主动学习（FEP+ ）探索数万至数十万种候选化合物，同时验证多种假设，从而快速识别出在实现其他设计目标的同时，仍能保持或提高活性的化合物。
FEP+ 协议生成器
通过全自动工作流，加快FEP+ 在复杂系统中的应用
针对在默认设置下表现不佳的系统，快速生成准确的FEP+ 协议。FEP+ 协议生成器采用主动学习工作流，通过迭代搜索协议参数空间来开发准确的FEP+ 协议，从而节省研究人员的时间，并提高成功启用FEP+ 的可能性。
了解更多主动学习计算器
Glide （停靠所有化合物）
天
计算
的成本
的成本
主动学习Glide
更快
天
计算
的成本
的成本
适用于 化合物
输入您项目的相关数值（在输入框中输入或使用滑块），以比较计算时间和成本。
*仅为预估的客户计算成本，基于每CPU小时0.06美元和每GPU小时0.35美元的费率。AL-Learning推荐硬件配置：Glide 。
未包含许可费用。请联系我们获取报价。
我们假设将100万个最佳配体与最终模型进行对接。
从头设计 工作流程
Schrödinger的从头设计 工作流是一个完全基于云端的集成式 设计系统，专用于超大规模化学空间 的探索与优化。
该技术以苗头化合物 分子或先导化合物 系列为起点，通过结合多种化合物枚举策略与先进的级联过滤（AutoDesigner），以及基于自由能计算的严格活性评分（Active LearningFEP+ ），识别出符合关键项目标准且可合成实现的分子。
精选网络研讨会
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。
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。