「ブンゼン・イン・アクション」：ポリマー、電池、反応性に関するAgentic AI共同研究者の深掘りシリーズ

材料科学向け「Bunsen」の紹介ウェビナーに続き、Schrödingerのエージェント型AI共同研究者である「Bunsen」に特化した、3回にわたる詳細解説ウェビナーシリーズを開始いたします。本シリーズでは、Bunsenが、高分子、エネルギー貯蔵、化学反応性の各チームに対し、複雑で多次元的な設計空間の探索、同定 データギャップやモデリングリスクの特定、そしてさらなる計算や実験に向けた最も有益な候補の優先順位付けをどのように支援しているかをご紹介します。 Bunsenは、特定分野で訓練された生成AIと、厳密な物理ベースのシミュレーションエンジン（量子力学、分子動力学、機械学習）を組み合わせることで、自然言語による指示に基づき、エンドツーエンドの研究開発ワークフローの計画、実行、分析を行います。

本シリーズでは、当社の科学者がデモンストレーションを通じて、貴社のチームが特定の用途においてブンゼンをどのように活用し、イノベーションを加速させ、実験のリスクを低減し、これまで以上に迅速に高性能な候補物質を見出すことができるかを直接ご紹介します。ぜひご参加ください。

11月17日 | ポリマーと配合

午前8:00（PST） | 午前11:00（EST） | 午後4:00（GMT） | 午後5:00（CET）

このセッションで学べる内容:

• ブンゼン法を用いてポリマーおよび配合物を合成し、互換性やTgなどの主要な性能特性についてスクリーニングを行う

• ブンゼンが、手動での設定なしに、原子レベルの構築、自動平衡化、および物性予測をどのように自律的に調整しているか

• データを抽出し、処方に基づいた機械学習モデルを構築する

12月1日 | バッテリー・エネルギー貯蔵

午前8:00（PST） | 午前11:00（EST） | 午後4:00（GMT） | 午後5:00（CET）

このセッションでは、以下の内容をご覧いただけます：

• 自然言語を用いて、Bunsenに指示を出し、複雑な電解質の配合を自動的に作成させ、分子動力学シミュレーションを用いて平衡状態を求め、物性を計算させる

• ブンゼンに対し、密度、粘度、イオン伝導度などの主要な特性について、電解液の配合をスクリーニングするよう指示する

• 性能向上のための、複数の特性にわたる最適化および添加剤候補の選定を行う

12月8日 | 化学反応性

午前9:00（PST） | 午後12:00（EST） | 午後5:00（GMT） | 午後6:00（CET）

このセッションでは、以下の内容をご覧いただけます：

• ブンゼンに対し、（ユーザーやエージェントのドメイン知識に基づいた）教師あり発見、あるいは（経験則ではなく量子力学的力によって自動的に駆動される）教師なし発見を通じて、反応経路の探索を促す。

• ブンゼンに反応性の評価および／または触媒の最適化を行わせる

• ブンゼンにワークフローのコーディングを依頼する