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。

MSMaestro

适用于材料发现的完整建模环境

材料科学:Maestro

更快地发现更优质的材料

MSMaestro 是一个功能强大的界面,用于原子级结构可视化、尖端的基于物理理论 计算建模,以及机器学习(ML) 材料发现与分析工作流。MSMaestro 能够深入解析材料和化学体系的机理与性质,涵盖催化、聚合物、电池、消费包装品 、可再生能源和半导体等广泛的技术应用领域,从而加速材料创新。

bg-circle

借助集成式 的分子建模 平台,大幅提升材料发现效率

统一的分子建模 环境

  • 通过由量子力学(QM) (QM)、分子动力学 (MD) (MD)和分子力学(MM) (MM)驱动的自动化模拟,访问集成式 的工作流和分析工具
  • 利用预配置且可自定义的工作流,进行业界领先的分子模拟

通往最先进的机器学习(ML) 工作流的入口

  • 充分利用先进的机器学习(ML) 和化学信息学工具
  • 使用预构建的机器学习(ML) 模型来预测关键材料性能
  • 借助宽特征空间和多种回归方法,实现模型构建与验证流程的自动化

直观且功能齐全的结构构建器

  • 构建任何类型材料的逼真结构和系统模型,包括晶体、有机金属配合物、聚合物、表面、界面等
  • 在3D环境中快速、准确地渲染大规模、复杂的材质模型workspace

直观的化学结构枚举功能

  • 利用先进的组合化学工具,通过结构枚举生成并存储化学结构
  • 使用图形用户界面构建和管理大规模化学库

远程作业管理与跨平台支持

  • 在运行 Linux、Windows、Mac 及云端的本地/远程计算服务器上,管理大规模计算建模和模拟 任务
  • 在安全的虚拟云环境中,让各团队能够访问Maestro
集成式 使用LiveDesign 进行协作和模型部署

集成式 使用LiveDesign 进行协作和模型部署

  • 集思广益,并与同事互动修订设计策略——随时随地
  • 打破数据孤岛,通过一个集中的平台实时访问所有项目数据——无论是虚拟数据还是实验数据

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

将实验数字化:利用原子级模拟 和机器学习(ML) 技术进行大规模材料创新

在本场网络研讨会中,我们将介绍一种利用数字化学平台进行计算机模拟分析、优化 以及新材料发现的现代化材料研发方法。

材料科学 网络研讨会

基于计算的材料开发:将原子级模拟 技术融入学术化学与工程实验室

在本场网络研讨会中,我们将深入探讨Schrödinger公司领先的基于物理理论 和机器学习(ML) 计算技术,并全面介绍这些技术在化学、材料科学和工程领域中的计算建模能力。

材料科学 网络研讨会

快速入门研讨会:面向实验人员的模拟 材料

在本场网络研讨会中,您将了解实验人员如何利用模拟 和建模功能,并掌握有关如何入门的实用知识。

材料科学 网络研讨会

一位化学家对研发数字化的看法

在本场网络研讨会中,我们将演示如何将Schrödinger的机器学习(ML) 技术与基于物理的建模相结合,从而预测新材料的性能。

材料科学 网络研讨会

专题讨论:大规模材料设计

材料科学 网络研讨会

计算材料设计的新视角:进展与展望

在本场网络研讨会中,我们将介绍针对纳米尺度材料的多范式模拟的新策略,这些策略可应用于电催化、锂电池、胶束形成以及延展性碳化硼等领域。

Schrödinger Suite 2023-4 版本

材料科学产品指南

浏览我们关于Schrödinger材料科学产品的完整指南

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

克里斯塔尔·结构预测 :第二部分

学习如何对盐类执行更多结构预测 中的晶体学工作流程。

材料科学 习题指南

蛋白质表征:第2部分

通过进行并分析分子动力学 (MD) 模拟,探讨牛β-乳球蛋白在不同pH值条件下的特性。

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

蛋白质表征:第一部分

学习蛋白质表征工作流程:确定结构、分析表面性质以及进行混合溶剂实验分子动力学 (MD) 。

材料科学 习题指南

从头设计 利用 REINVENT 开发新型化合物

学习如何使用 REINVENT 训练生成式机器学习模型,以在满足特定性质约束的前提下设计新化合物。

材料科学 习题指南

机器学习(ML) 适用于含有蛋白质的制剂

学习如何构建机器学习(ML) 模型,以分析包含蛋白质的配方。

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

离子电导率

学习如何计算离子电导率。

在材料科学研究领域的广泛应用

MSMaestro 提供了一个统一的入口,用于探索分子层面的见解并访问集成式 解决方案,适用于:

聚合物材料
药物配方与递送
能源捕获与储存
有机电子
薄膜加工
催化与反应性
金属、合金与陶瓷

专为您的需求打造的软件和服务

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。

培训与资源

在线认证课程

通过分子建模 的实践性在线课程,提升您的技能水平。这些可自主安排学习进度的课程涵盖了广泛的科学主题,并提供Schrödinger 软件的使用权限及技术支持。

教程

了解如何将Schrödinger 软件的技术和最佳实践应用于您的项目,以确保项目成功。查找培训资源、教程、快速入门指南、视频等内容。