MAY 9, 2024
AIを超えて：次世代の食品設計における物理ベースのシミュレーションの重要性
Schrödinger 「Beyond AI：次世代の食品設計における物理ベースシミュレーションの重要性」と題したライブウェビナーで講演を行います。このオンラインイベントは、5月9日にIFT（米国食品技術者協会）が主催し、Schrödinger の製品マネージャーであるジェフリー・サンダース博士が登壇します。
このウェビナーに参加して、以下のことを学びましょう：
- 物理ベースのシミュレーションと機械学習のデータを活用して、食品の研究開発を加速させる方法
- 食品開発に影響を与える実践例や事例研究
- 研究開発における主要な分野のうち、物理ベースのシミュレーションや機械学習が価値をもたらし得る領域を明らかにするため
ジェフリー・サンダース博士
プロダクトマネージャー
ジェフ・サンダース氏は、ウースター工科大学で応用物理学の理学士号を取得した後、トーマス・ジェファーソン医科大学で生物物理学および分子薬理学の博士号を取得しました。 2013年にSchrödinger に入社して以来、さまざまな役職を歴任し、現在は消費財向けアプリケーション部門の製品マネージャー兼科学責任者を務めている（グループ ）。さらに、食品工学・拡大・開発（FEED）研究所の理事を務めるほか、マサチューセッツ大学アマースト校の食品科学科で非常勤講師も務めている。
概要
日常生活における人工知能（AI）ソリューションの有用性と利用機会が高まる中、食品業界はその力を活用するための実用的な活用事例を模索しています。AIによって食品業界における従来の研究開発が不要になると主張する声もありますが、こうしたパラダイムシフトはまだ実現には至っていません。これほど大規模なデジタルトランスフォーメーションを実現するためには、データが重要な原動力となるでしょう。
食品科学において、データ収集は不十分な場合が多く、あるいは巨視的なスケールで収集されるものの、その根底にある物理的・化学的な作用機序についての洞察はほとんど得られない。AI（機械学習とも呼ばれる）とは異なり、物理ベースのシミュレーションは、食品、加工工程、および包装材料の現実的な計算モデルに基づいてデータを生成することができる。 生成されたデータは解釈可能であるため、研究者や技術者は、費用のかかる実験試験に着手する前に、十分な情報に基づいた意思決定を行うことができます。分子レベルでの物理ベースのシミュレーションから生成されたデータと、入手可能な既存の実験データを組み合わせることで、機械学習モデルを構築し、しばしば直面するデータの希薄性という問題を克服することができます。さらに重要なことは、物理ベースのシミュレーションが、研究者が解釈可能かつ検証可能なモデルを開発する上で役立つということです。
本講演では、食品研究において物理ベースのシミュレーションがどのように活用されているか、また、それらを機械学習モデルと組み合わせることでどのような相乗効果が得られるかについて探っていきます。