전 세계 모든 슈뢰딩거 사무소는 휴식과 재충전을 위한 전사적 조치의 일환으로 8월 17일부터 21일까지 일주일간 휴무합니다. 이 기간 동안 문의에 대한 답변이 제한될 수 있으니 양해 부탁드립니다. 과학 및 기술 지원팀 직원들은 긴급 지원 문의에 한해 대응할 예정입니다.

유기 전자

차세대 유기 전자공학의 가능성을 열어보세요

유기 전자

분자 수준에서 유기 전자 소재를 발굴하고 최적화한다

유기 전자 소자는 경량성, 유연성, 저렴한 비용 덕분에 수요가 급증하고 있지만, 차세대 고성능 유기 전자 소자를 구현하는 것은 여전히 어려운 과제이다.

슈뢰딩거의 디지털 화학 플랫폼을 활용하면, 물리 기반 모델링과 머신러닝을 모두 활용한 첨단 계산 워크플로우를 통해 전도성이 우수하고 기계적·열적 안정성이 뛰어나며 제조에 적합한 최적의 유기 전자 소재를 발굴할 수 있습니다. 이를 통해 디스플레이와 플렉서블 전자기기의 미래를 열어줄 소재를 개발하는 길을 열게 됩니다.

배경 패턴

유기 전자공학 전문가들이 설계한 직관적인 계산 워크플로우

모든 재질 유형에 적합한 사용하기 쉬운 시스템 빌더
분자 시뮬레이션, 기계 학습 및 데이터 분석을 위한 강력한 워크플로우
전담 고객 지원 및 방대한 교육 자료

유기 전자 기술 혁신을 위한 도구 모음

기기 효율 최적화

  • 높은 광출력 효율을 달성하기 위해 박막 내 분자 배향과 함께 캐리어 이동도 및 굴절률과 같은 광학적 특성을 계산한다
  • 색상, 스펙트럼, 여기 상태, 계간 교차 등을 포함한 광전자 재료의 주요 특성을 정확하게 예측한다
  • 하이퍼형광 및 발광 소멸을 포함한 전자 전이의 특성을 모델링한다

기기 수명 연장

  • 산화제 노출 등 대기 조건이 기기 수명에 미치는 영향을 더 잘 이해한다
  • 재료의 열적 및 전기화학적 열화를 정확하게 예측한다
  • 엑시톤의 열화 과정을 모델링하고 이에 대한 통찰력을 얻는다

제조 공정 최적화

  • 기계적 반응 및 유리전이온도(Tg)와 같은 주요 열물리적 특성을 예측한다
  • 증착 및 용액 공정을 포함한 층 형성 공정을 시뮬레이션합니다.
  • 용매를 포함한 필름의 형태학적 특성을 모사하고, 가공 과정 중 재료 간 호환성을 분석한다

실생활 속의 기술

파나소닉, 슈뢰딩거 플랫폼을 활용해 신소재를 더 빠르게 설계 블로그
파나소닉, 슈뢰딩거 플랫폼을 활용해 신소재를 더 빠르게 설계

파나소닉이 신소재 개발 속도를 높이기 위해 혁신 접근 방식에 분자 시뮬레이션을 어떻게 접목했는지 알아보세요.

사례 연구 및 웨비나

슈뢰딩거 기술이 실제 연구 과제를 해결하는 데 어떻게 활용되고 있는지 알아보세요.

재료과학 웨비나

Busen의 실제 적용 사례: 배터리 및 에너지 저장

저희 과학자들이 직접 시연을 통해 귀사의 팀이 Bunsen을 활용해 특정 응용 분야에서 혁신을 가속화하고, 실험 테스트의 위험을 줄이며, 그 어느 때보다 빠르게 고성능 후보 물질을 발굴할 수 있는 방법을 소개하는 이번 시리즈에 참여해 주시기 바랍니다.

재료과학 웨비나

‘Bunsen in Action’: 고분자, 배터리 및 반응성을 주제로 한 Agentic AI 공동 연구원 심층 분석 시리즈

저희 과학자들이 직접 시연을 통해 귀사의 팀이 Bunsen을 활용해 특정 응용 분야에서 혁신을 가속화하고, 실험 테스트의 위험을 줄이며, 그 어느 때보다 빠르게 고성능 후보 물질을 발굴할 수 있는 방법을 소개하는 이번 시리즈에 참여해 주시기 바랍니다.

재료과학 웨비나

전자 패키징 분야의 AI/ML 및 물리 기반 소재 혁신

이번 웨비나에서는 “예측 우선(predict-first)” 접근법의 핵심 요소인 고분자 포장 재료의 주요 특성을 예측하기 위한 최첨단 계산 워크플로우를 다룰 예정입니다.

재료과학 웨비나

빠르고, 정확하며, 조정 가능: 슈뢰딩거의 기계 학습 힘장을 활용한 배터리 소재 혁신의 발전

액체 및 고체 전해질을 포함한 복잡한 시스템의 정확한 모델링을 위한 MLFF의 응용 사례를 소개하는 라이브 데모에 참여해 주세요.

재료과학 웨비나

빠르고, 정확하며, 조정 가능: 슈뢰딩거의 기계 학습 힘장 기록 기술을 통한 배터리 소재 혁신의 발전

액체 및 고체 전해질을 포함한 복잡한 시스템의 정확한 모델링을 위한 MLFF의 응용 사례를 소개하는 라이브 데모에 참여해 주세요.

재료과학 웨비나

물리학 기반 머신러닝을 활용한 계층형 다성분 전자 소자 설계 가속화 일본 녹화

슈뢰딩거는 사용자가 다층 전자 소자의 아키텍처와 작동 조건에 대한 간단하고 직관적인 설명만으로도 해당 소자의 주요 성능 지표를 예측할 수 있게 해주는 기계 학습(ML) 프레임워크를 개발했다.

재료과학 웨비나

물리 기반 AI/ML을 활용한 신소재 발굴 가속화

이번 웨비나 시리즈에서는 최첨단 계산 기법이 의약품, 생물학적 제제 및 첨단 소재의 설계와 최적화에 어떻게 혁신을 일으키고 있는지 살펴볼 예정입니다.

재료과학 웨비나

재료과학 응용을 위한 기계 학습 기반 힘장 모델의 발전

이번 웨비나에서는 정확한 전하 표현을 위해 명시적 정전기학을 도입한, 슈뢰딩거의 최첨단 MLFF 아키텍처인 ‘반복적 전하 평형 기능을 갖춘 메시지 전달 네트워크(MPNICE)’를 소개하겠습니다.

재료과학 웨비나

슈뢰딩거 디지털 플랫폼 솔루션을 활용한 디스플레이 소재·소자 및 배터리 소재 기술의 혁신

최근 계산과학 및 신소재 기술의 발전에 힘입어, 컴퓨터를 활용한 디지털 재료 설계 솔루션을 연구개발에 보다 쉽고 빠르게 적용할 수 있는 기회가 마련되었습니다.

재료과학 웨비나

AI/ML을 통한 화학 혁신 가속화: 소재 응용 분야의 획기적인 발전

이번 웨비나에서는 AI/ML이 재료 혁신 분야에서 어떻게 획기적인 발전을 이끌고 있는지 살펴보고, 다양한 응용 분야에서 최첨단 ML 기법을 보여주는 사례 연구를 중점적으로 다룰 예정입니다.

추천 강좌재료과학 응용을 위한 분자 모델링: 유기 전자공학 강좌

재료과학 응용을 위한 분자 모델링: 유기 전자공학 강좌

온라인 인증 과정: 유기 전자 소자 모델링 역량을 한 단계 높여보세요

업계 최고의 계산 소프트웨어를 활용하여 주요 광전자적 특성을 예측하는 방법을 배우고, 이를 통해 유기 전자소자용 신소재 발굴을 가속화하십시오.

  • 자기 주도형 학습 콘텐츠
  • 슈뢰딩거 소프트웨어를 직접 사용해 볼 수 있는 기회
  • 지도형 및 자율형 사례 연구
자세히 알아보기

문서 및 튜토리얼

Schrödinger 소프트웨어 사용과 관련된 자주 묻는 질문에 대한 답변을 확인하고, 모범 사례를 알아보세요.

재료과학 튜토리얼

MPNICE 임베딩을 활용한 머신 러닝

MPNICE Embedding을 활용하여 머신러닝 모델을 구축, 분석 및 적용하는 방법을 배워보세요.

재료과학 튜토리얼

기계 학습 힘장의 미세 조정

사전 훈련된 기계 학습 힘장(MLFF) 모델을 미세 조정하여 2차원 물질의 격자 매개변수를 연구하는 방법을 배워보세요.

재료과학 튜토리얼

REINVENT을 활용한 신규 화합물의 데 노보 설계

REINVENT를 사용하여 생성형 ML 모델을 훈련하는 방법을 배우고, 물성 제약 조건을 충족하는 새로운 화합물을 설계해 보세요.

재료과학 튜토리얼

표면상의 흡착 부위 파악

표면상의 흡착 부위를 찾는 방법을 알아보세요.

재료과학 튜토리얼

계산 엘립소메트리

유기 광전자 소자 시스템의 굴절률과 소멸 계수를 계산하는 방법을 알아보세요.

재료과학 문서화

기계 학습 힘장

기계 학습 힘장(MLFF)은 임의의 계의 에너지를 예측하기 위한 새로운 접근법을 제시한다.

재료과학 튜토리얼

기계 학습 힘장

머신러닝 기반 힘장 최적화 기법을 활용하여 다양한 시스템을 구축하고 시뮬레이션하는 방법을 알아보세요.

재료과학 문서화

MS 반응성

분자 화학 분야의 설계, 최적화 및 비지도 메커니즘 발견을 위한 자동화된 워크플로우.

재료과학 문서화

MS 정보학

재료 과학 분야에 적용되는 자동화된 기계 학습 도구

재료과학 문서화

MS 유전체

유전 특성과 굴절률을 계산하는 자동 워크플로우.

주요 제품

연구 프로젝트의 진전을 도모하는 데 활용할 수 있는 주요 컴퓨팅 기술에 대해 자세히 알아보세요.

OLED 소자 ML

OLED 소자의 구조와 성능 간의 관계를 분석하여 선별 과정을 가속화하기 위한 기계 학습 솔루션

가상 클러스터

클라우드에서 시뮬레이션을 실행하기 위한 안전하고 확장 가능한 환경

GA 옵토일렉트로닉스

생성형 알고리즘을 기반으로 한 광전자 응용 분야의 신개념 분자 소재를 위한 설계 솔루션

Jaguar

분자 구조 및 성질을 신속하고 정확하게 예측하기 위한 양자역학적 해결책

Desmond

높은 확장성, 처리량 및 과학적 정확도를 제공하는 고성능 분자 동역학(MD) 엔진

MS 모빌리티

유기 반도체 고체 상태 박막의 전하 이동도에 대한 원자 수준 시뮬레이션 및 분석

OPLS4 및 OPLS5 힘장

정밀한 분자 시뮬레이션을 위한 현대적이고 포괄적인 힘장

DeepAutoQSAR

예측 기계 학습 모델의 훈련 및 적용을 위한 자동화되고 확장 가능한 솔루션

LiveDesign

완벽한 디지털 분자 설계 실험실

간행물

관련 응용 분야에서 슈뢰딩거 기술을 활용한 동료 심사를 거친 논문 목록을 살펴보세요.

재료과학 출판물

계층적 변분 자동 인코더, 가우시안 혼합 회귀 및 베이지안 최적화를 활용한 재구성 에너지가 낮은 유기 반도체의 데이터 기반 설계

재료과학 출판물

MPNICE 기계학습 힘장을 활용한 대규모 광전자 재료의 디지털 탐색

재료과학 출판물

데이터 증강을 통한 복잡한 인터페이스에 대한 신경망 잠재력의 확장 가능한 학습

재료과학 출판물

기계 학습과 밀도 함수 이론의 통합을 통한 전도성 고분자의 밴드 갭 및 재구성 에너지 예측

재료과학 출판물

인덴카르바졸–트리아진 양극성 호스트 공중합체를 이용한 용액 공정 OLED의 전하 수송 조절

재료과학 출판물

심청색 OLED의 효율 향상: 기계 학습 기반의 다중 공명 TADF 분자 설계 탐구

재료과학 출판물

저점도 분자 탐구: 강화 학습을 적용한 물리 기반 시뮬레이션 및 데 노보 설계 활용

재료과학 출판물

도판트가 포함되지 않은 정공 수송 물질을 기반으로 한 페로브스카이트 태양전지의 광전지 특성을 컴퓨터 시뮬레이션을 통해 예측하기 위한 기계 학습 접근법

재료과학 출판물

4치 백금(II) 착물 내의 변형된 t-부틸 기가 청색 인광 유기 발광 다이오드(OLED)에 탁월한 수명을 부여한다

재료과학 출판물

전하전달형 유기 분자에서 일어나는 복잡한 스핀 상향 변환 과정에 대한 이해

조직의 요구 사항을 충족시키는 소프트웨어 및 서비스

소프트웨어 플랫폼

물리 기반 분자 모델링, 기계 학습 및 팀 협업을 기반으로 한 포괄적이고 사용자 친화적인 플랫폼을 통해 디지털 물질 탐색 워크플로를 구축하십시오.

연구 지원 서비스

슈뢰딩거의 전문 계산 과학자들의 역량을 활용하여 귀사의 신소재 발굴 및 개발 과정의 핵심 단계에서 지원을 받으십시오.

지원 및 교육

초보자와 숙련된 사용자 모두를 위해 마련된 전문가 지원, 교육 자료 및 교육 리소스를 이용하세요.