AIを活用したマテリアルズ・ディスカバリー（材料探索）は、もはや実験的な取り組みではなく、国家レベルの新たなスタンダードとして定着しつつあります。

先般の米国における「Genesis Mission」の始動により、AI、ハイパフォーマンス・コンピューティング（HPC）、そして統合された科学データインフラを通じた材料探索の加速が、国家的なコミットメントとして打ち出されました。材料イノベーションの最前線に立つR&Dチームにとって、今はまさに計算科学のアプローチ（Computational Workflows）をご自身のパイプラインに統合する絶好の好機と言えます。

しかしながら、多くのR&D現場では、ソフトウェアの複雑さ、習得にかかる学習コストの高さ、そしてデータサイエンス面でのサポート不足といった課題により、AI/MLの本格的な導入が阻まれているのが現状です。

シュレーディンガーの Materials Science Suite は、最先端の機械学習（ML）技術を搭載した、統合型かつユーザーフレンドリーなAI/MLプラットフォームを提供することで、これらの課題を解決します。さらに、専門のサイエンティフィック・サポートチームが皆様を強力にバックアップいたします。

本ウェビナーでは、組織におけるAI導入の障壁を取り除き、研究開発サイクルを加速させ、世界的なAI活用の潮流といかに足並みを揃えていくかについて解説します。

具体的には、MS Informatics、Formulation ML、そして Formulation Optimization を活用し、高度な物性予測、モデル構築、そしてML駆動型の実験計画法（DoE）を、データサイエンスの専門家でなくとも、いかに「シンプルかつ高速」に実行できるかをデモンストレーションします。 また、配合（処方）、消費財、バッテリー、医薬品など、幅広い材料科学分野の実験データセットに対し、これらのツールを容易に適用できることを実例を交えてご紹介します。

【主なデモンストレーション内容】

• 二成分系液体（Binary liquids）の粘度予測： 高精度な粘度予測MLモデルをトレーニングし、様々な材料アプリケーションへ応用する手法
• 複雑なシャンプー処方へのスケールアップ： 複雑な多成分系（Multicomponent systems）の挙動をMLモデルで予測し、推奨される「次に打つべき最適な実験（Next best experiments）」を提案するプロセス

※本動画の視聴にあたり、以下の点にご留意ください。

• 自動翻訳字幕の制限： 本動画の字幕は自動翻訳を用いて生成されています。 専門用語等、不自然な表現や、不正確な訳出が含まれる可能性がございます。
• 詳細情報の参照： 厳密な背景や詳細については、直接弊社までお問い合わせください。