8月17日から21日までの1週間、シュレーディンガーの全世界のオフィスは、社員全員が休息を取り、リフレッシュするための全社的な取り組みの一環として休業いたします。この期間中は、お問い合わせへの対応が制限される場合がございますので、あらかじめご了承ください。科学・技術サポートチームのメンバーは、緊急のサポート案件のみに対応いたします。

有機エレクトロニクス

次世代の有機エレクトロニクスの可能性を切り拓く

有機エレクトロニクス

分子レベルで有機電子材料を発見・最適化する

有機エレクトロニクスは、軽量で柔軟性があり、低コストであることから、需要が急増している。しかし、次世代の高性能な有機エレクトロニクスを実現することは、依然として課題となっている。

シュレーディンガーのデジタルケミストリー・プラットフォームを利用すれば、物理ベースのモデリングと機械学習の両方を活用した高度な計算ワークフローを通じて、優れた導電性、機械的・熱的安定性、および製造適性を兼ね備えた最適な有機電子材料を発見することができます。これにより、ディスプレイやフレキシブルエレクトロニクスの未来を切り拓く材料を提供する道が開かれます。

背景柄

有機エレクトロニクスの専門家が設計した、直感的な計算ワークフロー

あらゆる素材に対応した、使いやすいシステムビルダー
分子シミュレーション、機械学習、データ解析のための強力なワークフロー
きめ細やかなカスタマーサポートと充実した研修リソース

有機エレクトロニクスのイノベーションを実現するためのツールキット

デバイスの効率を最適化する

  • 高い光取り出し効率を実現するため、薄膜におけるキャリア移動度や屈折率などの光学特性、および分子配向を算出する
  • 色、スペクトル、励起状態、系間交差など、光電子材料の主要な特性を正確に予測する
  • ハイパー蛍光や発光消光を含む電子遷移の特性をモデル化する

デバイスの寿命を延ばす

  • 酸化剤への曝露など、大気がデバイスの寿命に及ぼす影響について、より深く理解する
  • 材料の熱的および電気化学的劣化を正確に予測する
  • エキソンの劣化をモデル化し、そのメカニズムを解明する

製造の最適化

  • 機械的応答やガラス転移温度(Tg)などの主要な熱物理的特性を予測する
  • 蒸着や溶液プロセスなど、層形成プロセスをシミュレートする
  • 溶媒を含むフィルムの形態、および加工時の材料間の適合性をモデル化する

実践におけるテクノロジー

パナソニックは、シュレーディンガーのプラットフォームを活用し、新素材の開発を迅速化している ブログ
パナソニックは、シュレーディンガーのプラットフォームを活用し、新素材の開発を迅速化している

パナソニックが、新素材の開発を加速させるために、分子シミュレーションをイノベーションアプローチにどのように取り入れたかをご紹介します。

事例紹介とウェビナー

シュレーディンガー社の技術が、現実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

Busenの実用事例:バッテリーとエネルギー貯蔵

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。

材料科学 ウェビナー

「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

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。

材料科学 ウェビナー

電子パッケージングにおけるAI/MLおよび物理学に基づく材料イノベーション

本ウェビナーでは、「予測ファースト」アプローチの重要な要素である、ポリマー包装材料の主要な特性を予測するための最先端の計算ワークフローについて解説します。

材料科学 ウェビナー

高速、高精度、かつ調整可能:シュレーディンガーの機械学習力場による電池材料の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の応用例を紹介するライブデモに、ぜひご参加ください。

材料科学 ウェビナー

高速、高精度、かつ調整可能:シュレーディンガーの機械学習力場記録技術による電池材料の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の応用例を紹介するライブデモに、ぜひご参加ください。

材料科学 ウェビナー

物理学に基づく機械学習が、多層多成分電子デバイスの設計を加速 日本 記録

シュレーディンガー社は、多層電子デバイスのアーキテクチャや動作条件に関するシンプルで直感的な記述から、その主要な性能指標を予測できる機械学習(ML)フレームワークを開発しました。

材料科学 ウェビナー

物理学に基づくAI/MLによる材料探索の加速

このウェビナーシリーズでは、最先端の計算手法が、医薬品、バイオ医薬品、および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を解説します。

材料科学 ウェビナー

材料科学への応用に向けた機械学習による力場の進展

本ウェビナーでは、正確な電荷表現を実現するために明示的な静電力を組み込んだ、シュレーディンガーの最先端MLFFアーキテクチャ「反復電荷平衡を伴うメッセージパッシングネットワーク(MPNICE)」についてご紹介します。

材料科学 ウェビナー

シュレーディンガーのデジタルプラットフォームソリューションを活用した、ディスプレイ材料・素子および電池材料技術の革新

近年、計算科学や新素材技術の発展により、コンピュータを活用したデジタル材料設計ソリューションを、研究開発により容易かつ迅速に適用できる機会が生まれました。

材料科学 ウェビナー

AI/MLを活用した化学イノベーションの加速:材料応用分野における画期的な進展

本ウェビナーでは、AI/MLが材料イノベーションにおいていかに画期的な進歩をもたらしているかを考察し、多様な応用分野における最先端のML技術を例示するケーススタディを紹介します。

注目のコース材料科学への応用を目的とした分子モデリング:有機エレクトロニクス講座

材料科学への応用を目的とした分子モデリング:有機エレクトロニクス講座

オンライン認定コース:有機エレクトロニクスのモデリングスキルをレベルアップ

業界をリードする計算ソフトウェアを活用して、主要な光電子特性を予測し、有機エレクトロニクス向けの新素材の発見を加速させる方法を学びましょう。

  • 自分のペースで学べる学習コンテンツ
  • シュレーディンガー・ソフトウェアの実践的な利用
  • 指導付きおよび自主的な事例研究
詳細はこちら

ドキュメントとチュートリアル

シュレーディンガーのソフトウェアに関するよくある質問への回答や、その活用におけるベストプラクティスをご確認ください。

材料科学 チュートリアル

MPNICEエンベディングを用いた機械学習

MPNICE Embedding を使って、機械学習モデルの構築、分析、および適用方法を学びましょう。

材料科学 チュートリアル

機械学習用力場の微調整

事前学習済みの機械学習力場(MLFF)モデルを微調整して、2次元材料の格子定数を研究する方法を学びます。

材料科学 チュートリアル

REINVENTを用いた新規化合物のデ・ノボ設計

REINVENT を使用して生成型機械学習モデルを学習させ、物性制約を満たす新規化合物を設計する方法を学びましょう。

材料科学 チュートリアル

表面上の吸着部位の特定

表面上の吸着部位を特定する方法について学びましょう。

材料科学 チュートリアル

計算楕円偏光法

有機光電子システムの屈折率および消光係数の算出方法を学びましょう。

材料科学 資料

機械学習による力場

機械学習力場(MLFF)は、任意の系のエネルギーを予測するための新しいアプローチを提供する。

材料科学 チュートリアル

機械学習の力場

機械学習を用いた力場最適化手法を活用して、さまざまなシステムを構築・シミュレーションする方法を学びましょう。

材料科学 資料

MS反応性

分子化学における設計、最適化、および教師なしメカニズム発見のための自動化ワークフロー。

材料科学 資料

MSインフォマティクス

材料科学分野向けの自動機械学習ツール

材料科学 資料

MS誘電体

誘電特性および屈折率を算出するための自動ワークフロー。

主力製品

研究プロジェクトを前進させるために活用できる主要な計算技術について、詳しくご覧ください。

OLEDデバイスの機械学習

OLEDデバイスの構造と性能の関係を調査し、スクリーニングを迅速化するための機械学習ソリューション

仮想クラスター

クラウド上でシミュレーションを実行するための、安全で拡張性の高い環境

GAオプトエレクトロニクス

生成アルゴリズムに基づく、光電子応用分野における新規分子材料の設計ソリューション

ジャガー

分子構造および物性を迅速かつ正確に予測するための量子力学に基づく手法

デズモンド

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備えた高性能分子動力学(MD)エンジン

MSモビリティ

有機半導体の固体薄膜における電荷移動度の原子レベルシミュレーションと解析

OPLS4 および OPLS5 力場

正確な分子シミュレーションのための、現代的で包括的な力場

DeepAutoQSAR

予測型機械学習モデルの学習および適用に向けた、自動化され、拡張性のあるソリューション

LiveDesign

デジタル分子設計のための総合ラボ

出版物

シュレーディンガー技術を活用した、関連応用分野における査読付き論文の一覧をご覧ください。

材料科学 出版物

階層的変分オートエンコーダー、ガウス混合回帰、およびベイズ最適化を用いた、再編成エネルギーが低い有機半導体のデータ駆動型設計

材料科学 出版物

MPNICE機械学習力場を用いた大規模光電子材料のデジタル探索

材料科学 出版物

データ拡張を用いた、複雑なインターフェースに対するニューラルネットワークポテンシャルのスケーラブルな学習

材料科学 出版物

機械学習と密度汎関数理論の統合による導電性ポリマーのバンドギャップおよび再配列エネルギーの予測

材料科学 出版物

インデノカルバゾール-トリアジン系双極性ホスト共重合体による溶液プロセス型OLEDにおける電荷輸送の制御

材料科学 出版物

深青色OLEDの効率向上:機械学習を活用した多共鳴TADF分子設計の探求

材料科学 出版物

低粘度分子の探索:物理ベースのシミュレーションと強化学習を応用したデ・ノボ設計の活用

材料科学 出版物

ドーパントを含まない正孔輸送材料に基づく、ペロブスカイト太陽電池の光電特性をインシリコで予測するための機械学習アプローチ

材料科学 出版物

四座配位プラチナ(II)錯体における修飾t-ブチル基により、青色燐光を発する有機EL素子に極めて長い発光寿命が実現される

材料科学 出版物

電荷移動型有機分子における複雑なスピンアップコンバージョン過程の解明

組織のニーズに応える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を活用し、デジタル材料探索ワークフローを導入しましょう。

研究支援サービス

シュレーディンガーの専門的な計算科学者を活用し、材料の発見・開発プロセスの重要な段階を支援します。

サポートとトレーニング

初心者から経験豊富なユーザーまでを対象に設計された、専門家のサポート、学習教材、およびトレーニングリソースをご利用いただけます。