エネルギーの捕集と蓄積

デジタルケミストリーを活用した、よりクリーンで安全なエネルギー材料の開発

デジタルケミストリーを活用した、よりクリーンで安全なエネルギー材料の開発

分子レベルでのエネルギー材料の探索と最適化

自動車、航空、エネルギー産業における社会的・生態学的課題を克服するためには、より安全で安価、かつ効果的な電池、燃料電池、スーパーキャパシタの開発が極めて重要です。

SchrödingerのMaterials Scienceプラットフォームは、分子レベルでの材料モデリングに必要なツールを提供します。計算能力を駆使して、バッテリー、燃料電池、太陽電池向けによりクリーンで、軽量かつ安全、エネルギー効率が高く、低コストな次世代イノベーションを支える材料の開発を推進します。

背景パターン

エネルギー材料のエキスパートが設計した直感的な計算ワークフロー

あらゆる材料タイプに対応する使いやすいシステムビルダー
物理ベースシミュレーション、機械学習、データ解析のための強力なワークフロー
専任のカスタマーサポートと充実したトレーニングリソース

エネルギー材料イノベーションのためのツールキット

バッテリー、燃料電池、太陽光発電、水素貯蔵の研究開発に向けた主要物性の予測

  • 電池材料におけるレドックス電位やイオン移動度(拡散係数や配位環境など)といった、電極、電解質、固体電解質界面(SEI)の物性を探索
  • 半導体、感光性材料、ペロブスカイト、有機薄膜太陽電池の光起電力材料の物性と性能指標を最適化
  • エネルギー貯蔵プロセス、触媒メカニズム、劣化経路における化学反応プロファイルを解明
  • 貯蔵材料における水素(またはその他の小分子)の分子移動度と安定性を予測

ハイスループットスクリーニングと機械学習による新材料発見の加速

  • 新材料候補のハイスループットスクリーニングを実行して、優れた性能を持つ候補を同定
  • 電解水素製造などのエネルギー関連変換に向けた新規触媒の評価
  • SEI形成に関連する電解液特性のスクリーニング

一元化された情報プラットフォームを通じて、デジタル技術による材料設計へのアクセスを可能にする

  • 実験データと計算データのギャップを埋める
  • 予測モデルへのリアルタイムアクセスによる、より迅速かつ優れた材料設計の推進
  • 企業全体でのコラボレーションと意思決定の強化

導入事例およびウェビナー

Schrödingerのテクノロジーが現実世界の研究課題の解決にどのように活用されているかをご覧ください。

材料科学 ウェビナー

高速、高精度、かつ調整可能:Schrödingerの機械学習力場によるバッテリー材料イノベーションの推進

液体および固体電解質を含む複雑なシステムの正確なモデリングに向けた、MLFFの応用事例を紹介するライブデモにご参加ください。

材料科学 ウェビナー

高速、高精度、かつ調整可能:Schrödingerの機械学習力場によるバッテリー材料イノベーションの推進(録画)

液体および固体電解質を含む複雑なシステムの正確なモデリングに向けた、MLFFの応用事例を紹介するライブデモにご参加ください。

材料科学 ウェビナー

電荷考慮型機械学習力場を活用した電池材料イノベーションの推進

本ウェビナーでは、物理ベースの分子モデリングと機械学習力場(MLFF)を組み合わせた統合型計算アプローチを活用し、バッテリー材料設計における主要な課題に対処する方法についてSchrödingerがどのように取り組んでいる実演します。

材料科学 ウェビナー

物理情報を活用したAI/MLによる材料探索の加速

本ウェビナーシリーズでは、最先端の計算手法が医薬品、生物製剤、先端材料の設計と最適化にどのような変革をもたらしているかについて解説します。

材料科学 ウェビナー

材料科学アプリケーション向け機械学習力場の高度化

本ウェビナーでは、正確な電荷表現のために明示的な静電相互作用を組み込んだ、Message Passing Network with Iterative Charge Equilibration(MPNICE)と呼ばれるSchrödingerの最先端MLFFアーキテクチャを紹介します。

材料科学 ウェビナー

AI/MLによる化学イノベーションの加速:マテリアルズアプリケーションにおけるブレイクスルー

本ウェビナーでは、AI/MLがマテリアルズイノベーションにおける impactful な進展をどのように推進しているかについて、多様なアプリケーションにおける最先端のML技術を示す事例を交えて解説いたします。

材料科学 ウェビナー

高性能材料探索:クラウドを活用したブレイクスルーの10年

本講演では、多様なアプリケーションにわたって大規模なバーチャルスクリーニングとデノボデザインキャンペーンを可能にする、Schrödingerの統合型材料科学プラットフォームを紹介します。

材料科学 ウェビナー

Schrödingerのデジタル・ケミストリー・プラットフォームによる不斉触媒設計の加速

本ウェビナーでは、Schrödingerの高度なデジタル・ケミストリー・プラットフォームを活用して不斉触媒の直接設計と発見を加速させる方法をご紹介します。

材料科学 ウェビナー

物理ベースモデリングと機械学習がもたらす電池材料開発の加速

このウェビナーでは、SchrödingerのSEIシミュレーターモジュールを使用して、正極材料の熱力学安定性および電圧プロファイルの正確な予測、電極材料におけるイオン拡散経路と速度論、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・成長のモデリングに対する自動化ソリューションの適用を示す事例に焦点を当てます。

材料科学 ウェビナー

AI/MLと物理ベースシミュレーションの融合:複雑な材料設計の新時代

本ウェビナーでは、バッテリー用電解液や燃料混合物から熱可塑性樹脂、OLEDデバイスに至るまで、多様な材料科学アプリケーションにおける材料や配合の設計への、この統合アプローチの応用について実演いたします。 

おすすめのコース材料科学アプリケーション向け分子モデリング:電池材料コース

材料科学アプリケーション向け分子モデリング:電池材料コース

オンライン認定コース:電池モデリングのスキル向上

業界をリードする計算ソフトウェアを適用して有機化合物および有機金属化合物の主要物性を予測し、自動ワークフローおよび機械学習モデルを用いて遷移状態を決定し反応プロファイルを生成する方法を学びます。

  • 自分のペースで学べる学習コンテンツ
  • Schrödingerソフトウェアへのハンズオンアクセス
  • ガイド付きおよび独立型ケーススタディ
詳細を見る

ドキュメント&チュートリアル

Schrödingerソフトウェアの使用に関するよくある質問への回答とベストプラクティスをご確認いただけます。

Materials Science Tutorial

無機結晶のための機械学習物性予測

事前構築済みMLモデルを使用して、無機結晶の生成エネルギー、ハル上エネルギー、バンドギャップ、体積弾性率、せん断弾性率を予測する方法を学習します。

Materials Science Tutorial

エージェンティックAIモデルによるワークフローの設計

エージェンティックワークフローを使用してワークフローを生成する方法を学習します。具体的には、エポキシ・アミン系熱硬化性複合材料の構築とその物性予測の自動化を行います。

Materials Science Tutorial

電気触媒反応のマイクロキネティックモデリング

マイクロキネティックモデリング(MKM)計算を用いて、Pt表面上での電気化学的水素発生反応(HER)をモデリングする方法を学習します。

Materials Science Tutorial

パス誘導拡散モデルを用いた新規化合物のDe Novo設計

特定のターゲット物性に最適化された新規分子の設計手法を習得する。

Materials Science Tutorial

エピタキシャル界面の構築

トポロジカルマッチングを介した適合配向の特定とスラブモデルの生成により、結晶材料間のエピタキシャル界面を構築します。

Materials Science Tutorial

MPNICE Embeddingを用いた機械学習

MPNICE Embeddingを使用したMLモデルの構築、分析、および適用方法を学びます。

Materials Science Tutorial

REINVENTを用いた新規化合物のDe Novoデザイン

物性制約を満たす新しい化合物を設計するために、REINVENTを用いて生成AI/MLモデルをトレーニングする方法を学びます。

Materials Science Tutorial

マイクロキネティックモデリングによる触媒選択性

マイクロキネティックモデリング(MKM)計算を用いて、Pd(111)表面におけるCOおよびH2の触媒酸化の選択性を解析する方法を学びます。

Materials Science Tutorial

イオン伝導度

イオン伝導度を計算する方法を学びます。

Materials Science Tutorial

表面上の吸着サイトの特定

表面上の吸着サイトを特定する方法を学びます。

主要製品

研究プロジェクトを推進するために利用可能な主要な計算技術について詳しくご覧ください。

MS Formulation ML

正確な処方-物性関係を生成し、所望の物性を持つ新しい処方をスクリーニングするための自動機械学習ソリューション

バーチャルクラスター

クラウド上でシミュレーションを実行するためのセキュアでスケーラブルな環境

Jaguar

分子構造と物性を迅速かつ正確に予測するための量子力学ソリューション

MSインフォマティクス

材料科学アプリケーション向けの自動機械学習ツール

Desmond

高いスケーラビリティ、スループット、および科学的精度を提供する高性能分子動力学(MD)エンジン

OPLS4 & OPLS5 Force Field

高精度な分子シミュレーションを実現する先進的かつ包括的な力場

MS Transport

液体の粘度、伝導度、ならびに原子および分子の拡散を予測するための効率的な分子動力学(MD)シミュレーションツール

DeepAutoQSAR

予測機械学習モデルのトレーニングおよび適用に向けた、自動化されたスケーラブルなソリューション

MS Reactive Interface Simulator

電池向けの物理的に妥当な電極-電解質界面モルフォロジーの生成

発表文献

関連する応用分野においてSchrödingerの技術を使用した査読済み論文のリストを閲覧します。

材料科学 論文

物理ベースモデリングと強化学習による電解質溶媒の多目的設計

材料科学 論文

密度汎関数理論に基づくリチウム金属表面における電解液反応性の洞察

材料科学 論文

RedCat:水系有機電解液の自動探索ワークフロー

材料科学 論文

非水系レドックスフロー電池における副反応を自己報告する設計された蛍光レドックスマー

材料科学 論文

リチウムイオン電池用共役スルホンアミド正極の計算科学および機械学習支援による探索と実験的検証

材料科学 論文

コンパクトなイオン対凝集体電解質による、長寿命500 Wh kg−1リチウム金属パウチセルの実現に向けて

材料科学 論文

Schrödinger Materials Science Suiteを使用した、GPUクラウドインフラストラクチャにおける堅牢かつ効果的な第一原理分子動力学シミュレーション

材料科学 論文

高安全性リチウム金属負極のデータ駆動型設計に向けた機械学習

材料科学 論文

モデルアルデヒドオキシダーゼに対する芳香族炭素原子の固有反応性の大規模計算スクリーニング

材料科学 論文

4 V級n型有機リチウムイオン正極材料に向けて:共役トリフリミドおよびシアナミドの事例

Schrödingerのバッテリーソリューションに関するご相談の予約

電池材料向け高度シミュレーションおよびAI/MLの活用方法について、今すぐお問い合わせください。

ご関心のある分野が上記に見つかりませんか? お気軽にお問い合わせください。

送信完了

お問い合わせいただきありがとうございます。担当者よりまもなくご連絡いたします。

組織のニーズを満たすソフトウェアとサービス

ソフトウェアプラットフォーム

物理ベースの分子モデリング、機械学習、チームコラボレーションを基盤とした包括的で使いやすいプラットフォームにより、デジタル材料探索ワークフローを展開します。

研究サービス

材料の発見および開発プロセスの主要段階において、Schrödingerの専門的計算科学者の支援をご活用ください。

サポート&トレーニング

初心者から熟練ユーザーまでを対象とした専門的なサポート、教育資料、トレーニングリソースにアクセスできます。