Schrödinger 当社は、6月26日にBattery Technology Platformが主催するウェビナーで講演を行うことを大変嬉しく思っています。Schrödinger のサイエンティフィック・リードであるGarvit Agarwal博士による、「電極、電解質、および界面：分子シミュレーションと機械学習を活用して電池材料開発を急速に前進させる」と題した講演に、ぜひご参加ください。

要旨：
リチウムイオン電池（LIB）技術は、輸送や民生用電子機器などの産業に革命をもたらした。しかし、急速に高まる需要に対応し、LIBの出力密度、安全性、信頼性、および寿命を向上させるためには、新たな電池化学系が必要とされている。

本ウェビナーでは、バッテリー性能の向上に向けた材料面での主要な課題について考察するとともに、原子レベルシミュレーションと機械学習（ML）を活用することで、広大な設計空間の迅速な評価とスクリーニングが可能となり、革新的な技術の市場投入を加速させる仕組みについて解説します。

本ウェビナーでは、Schrödingerの電池材料設計向けデジタルケミストリー・プラットフォームにおける最新の技術革新をご紹介します。特に、陰極の熱力学的安定性や電圧プロファイル、電極材料におけるイオン拡散経路や反応速度、液体電解質の輸送特性、およびSchrödingerのSEIシミュレータ・モジュールを用いた固体電解質界面（SEI）層の核生成・成長のモデリングを、自動化ソリューションを用いて正確に予測する事例に焦点を当てて解説します。 また、液体電解質、無機正極コーティング、固体高分子電解質などの複雑な材料向けに、カスタマイズされた機械学習力場を開発するための自動化された汎用フレームワークも紹介します。これにより、次世代電池向けの新規材料を効率的に設計する道が開かれます。

主な学習目標：

• デジタルケミストリーのアプローチが、新しい電池材料の開発サイクル時間をどのように短縮するのかについて理解を深めましょう
• Schrödingerの自動化されたハイスループットシミュレーションワークフローと機械学習モデルが、電池材料候補の迅速なスクリーニングをどのように実現するのかをご覧ください
• 自動化ソリューションを活用して、電池の主要な特性（電極の熱力学的安定性や電圧プロファイル、電極内のイオン拡散経路や反応速度論、液体電解質の輸送特性、および固体電解質界面（SEI）層の核生成と成長）を正確に予測する方法について学びましょう。
• 電解質材料、負極コーティング、および界面の正確なモデリングに向けた、最先端の機械学習を用いた力場の応用例についてお聞きください