【事例集】材料モデリングのための機械学習力場
Machine-learned force fields活用事例をご紹介
機械学習による力場（Machine-learned force fields、MLFF）は、原子や分子間の相互作用を正確にモデル化するために機械学習モデルを取り入れることで、従来の力場を改良するために設計されています。この技術は、ニューラルネットワークポテンシャルエネルギー曲面（NN-PES）アーキテクチャに基づいており、モデルは化学的な精度で系の全電子エネルギーを再現するように訓練されます。 初期構造生成のためのOPLS4、高速DFTおよびMDエンジン、および主要なMLFF手法の組み合わせにより、シュレディンガーはMLFF生成のリーディングパートナーとなっています。このアプリケーションノートでは、QRNN技術の応用について、液体電解質、ポリマー、およびイオン液体という材料科学の3つの異なる領域でのモデリングを紹介しています。
基本情報
【掲載事例】 1. 液体電解質のための高次元ニューラルネットワーク力場 2. ポリマー向けのスケーラブルで汎用性のあるMLFFの開発 3. イオン液体向けの機械学習による適合力場 シュレーディンガーは、幅広いアプリケーションにおいて正確な分子動力学シミュレーションを可能にし、高速かつ高精度な複雑な材料システムのモデリングを実現するため、先進的な機械学習による力場の開発に焦点を当てた研究サービスを提供しています。 ※お気軽にお問い合わせ下さい。
価格帯
納期
用途／実績例
※詳しくは、お気軽にお問い合わせ下さい。
詳細情報
関連動画
カタログ（1）
カタログをまとめてダウンロード
取り扱い会社
シュレーディンガー株式会社は、アメリカ・ニューヨークに本社を置く、Schrödinger Inc. の日本法人です。Schrödingerは、マテリアルズ・サイエンスとライフ・サイエンス分野を中心に、化学とコンピュータ・サイエンスの先進技術を融合させたソフトウエアの開発に約30年の歴史を持ち、創薬、バイオロジクス、材料研究開発に高度なソリューションを提供します。
