MS 配方 ML
机器学习（ML） 自动化解决方案，用于建立准确的配方-性能关系，并筛选出具有所需性能的新配方
建立精确的机器学习（ML） 模型，以设计出更优的配方
配方机器学习（Formulation ML）使科学家能够根据成分的结构和组成来预测其性质。无论您是配方领域的专家，还是刚刚开始涉足这一领域，这一自动化的监督学习解决方案都能帮助您更深入地了解配方与性质之间的关系。
核心能力
为成分结构和组成各异的化学混合物构建配方-性能模型，该模型可扩展至100种或更多成分
能够快速预测具有新化学结构和成分的新型配方，每种配方仅需几秒钟
了解应关注哪些分子特征来优化性质，并利用特征重要性工具，通过已训练的模型识别该性质的关键描述符
借助专家级化学信息学描述符和自动超参数调优，即使对机器学习了解甚少，也能实现精准的机器学习模型开发
将自定义描述符（包括实验数据）以CSV格式输入到机器学习模型中，以提升模型性能
通过利用经过训练的机器学习模型调整成分结构和配比，同时优化多项特性，并为下一次实验提供最佳配方建议
精选资源
白皮书
材料科学
网络研讨会
材料科学
AI/ML与基于物理理论 模拟的结合：复杂材料设计的新时代
在本场网络研讨会中，我们将演示这种综合方法在各类材料科学应用中的应用，涵盖从电池电解液和燃料混合物到热塑性塑料和OLED器件的材料设计与配方开发。
网络研讨会
生命科学
材料科学
出版物
利用高通量分子模拟和机器学习（ML） 进行化学混合物设计，Alex, C. 等，《npj Comput Mater》第11卷，第72期，2025年， https://doi.org/10.1038/s41524-025-01552-2.
预约 Schrödinger的Formulation ML咨询
立即联系我们，了解如何利用先进的模拟 和AI/ML技术，革新配方决策，并在您的行业中获得竞争优势。
在上面的列表中没有找到您感兴趣的领域吗？请联系我们，我们将竭诚为您提供帮助。
表单已提交
谢谢，我们会尽快与您联系。