材料科学研发正迈入一个新纪元，实验与计算相辅相成，共同加速科学发现。分子动力学（分子动力学 (MD) , MD）——尤其是与机器学习（机器学习（ML） , ML）相结合时——正在改变科学家理解结构-性能关系、预测性能以及减少耗时耗资的试错过程的方式。实验人员现在可以在进入实验室之前，对界面、缺陷、聚合物和电解质进行模拟。

现代分子动力学（MD）引擎，例如Schrödinger 上的Desmond ，使可扩展、高性能的模拟变得触手可及，将原子层面的洞察与现实世界中的材料挑战联系起来。通过将机器学习（ML）与基于物理理论 分子动力学（MD）相结合，研究人员可以更快地筛选候选方案，并做出更明智的决策。

欢迎加入由Schrödinger的Katie Dahlquist主讲的网络研讨会，她将向您展示如何利用Desmond 来提升您的研发工作。通过关于材料配方和预测性工作流的现场演示，您将学到相关知识。在网络研讨会期间，您可以提出问题，并最终了解如何将分子动力学（MD）融入您的研发战略。

网络研讨会亮点：

• 探索一个易于上手、直观的分子动力学模拟入门平台
• 了解Desmond 如何为实验研究创造价值
• 查看“数字兼容性”筛选 的实际应用
• 使用“材料科学”开始进行分子动力学 (MD) 仿真Maestro