인공지능(AI)과 기계학습( 머신러닝 , ML)은 종종 소재 설계 및 발굴을 위한 ‘버튼 하나만 누르면 되는’ 솔루션으로 홍보되지만, 탄탄한 기반이 없다면 그 가치를 발휘할 수 없습니다. 현재의 AI 혁명은 전례 없는 속도와 가능성을 제공하지만, 복잡한 방법이 영향력 있는 결과로 이어지도록 보장하기 위해서는 인간의 노하우가 핵심 요소입니다. 진정한 혁신은 물리 기반 시뮬레이션, AI/ML, 그리고 인간의 전문 지식이 만나는 지점에서 일어납니다. Schrödinger의 분야별 전문가들이 이 세 가지 핵심 요소를 어떻게 통합하여 소재 최적화 과정을 효율화하는지 함께 알아보시기 바랍니다. 

이번 세션에서는 과대 광고를 넘어 실질적인 비즈니스 성과를 창출하는 디지털 화학 전략을 적용하는 방법에 대해 논의할 예정입니다. 또한, Schrödinger의 재료 과학 플랫폼을 소개하고, 소분자부터 제형, 전자제품, 산업용 분야에 이르기까지 다양한 산업 및 응용 분야의 영향력 있는 사례 연구를 공유할 것입니다. 장치 수준의 머신러닝(ML) 및 최첨단 머신러닝 기반 분자 역학( 머신러닝 , MLFF) 아키텍처와 같은 최근의 발전 사항도 소개될 예정입니다. 

주요 학습 목표:

• AI/ML 예측을 보완하기 위해 물리 기반 모델링이 필수적인 이유
• 디지털 화학이 다양한 산업 분야에서 신약 개발 기간을 수년에서 수개월로 단축시킨 실제 적용 사례
• 전문가 주도 지원이 모델링 초보자부터 베테랑에 이르기까지 모든 사용자에게 프로젝트 성공을 보장하는 방법

참가 대상:

• 연구개발(R&D) 리더들 
• 혁신 관리자 
• 디지털화 관리자
• 합성 화학자
• 재료 과학자
• 화학공학자
• 재료 연구 엔지니어
• 계산 화학자
• 계산 재료 과학자