作为公司范围内的休整与充电计划的一部分,施罗丁格全球所有办事处将于8月17日至21日当周关闭。在此期间,我们的回复可能会有所延迟。科学和技术支持团队成员仅会处理紧急支持问题。

消费品

利用分子模拟技术,加速消费品领域的创新

消费品

概述

分子建模与仿真通过揭示影响产品性能的原子级特性,为加速产品研发、阐明纳米尺度的行为规律、优化制造工艺以及降低成本提供了新的机遇。

借助施罗丁格的数字化学平台,您可以使用经过广泛验证的工具,预测消费品的关键性能指标。通过构建和模拟与产品配方直接相关的复杂分子系统,您可以做出明智的决策,并针对消费品市场日新月异的趋势,开发出具有颠覆性意义的成分和产品。

针对全系列消费类产品进行设计、开发和优化

消费品

借助分子层面的洞察力满足消费者需求

预测以下物质的理化、形态、光学、界面和感官特性:

  • 原料选择
  • 产品配方开发,对包含所有关键成分的复杂配方进行建模 
  • 从实验室到中试装置再到工厂,在多个尺度上优化加工条件
  • 通过研究产品与包装之间的相互作用来确保产品稳定性
  • 通过模拟产品实际使用场景来展示产品性能
餐饮

推动更健康、更美味食品的科学设计

您设计下一代可持续食品的能力始于分子层面

  • 通过预测降解、相容性及相行为,了解成分间的相互作用和产品稳定性如何影响保质期
  • 通过研究相行为、压力和温度来优化食品和饮料的加工条件
  • 研究蛋白质与食材之间的相互作用,以及蛋白质展开如何影响食品质地
  • 了解气味和风味分子活化的分子基础
  • 研究微乳液和纳米乳液的行为
化妆品与个人护理

借助数字化学技术,革新化妆品及个人护理产品的研发

利用纳米尺度下的产品性能虚拟测试,加快产品配方设计进程

  • 在进行实验之前,通过计算手段探索化妆品、香水和个人护理产品的配方设计空间
  • 预测配方的化学和光学稳定性,并研究其降解情况
  • 理解包括形态在内的多尺度下复杂乳液的行为与稳定性
  • 利用生物界面模型模拟产品测试,以深入了解一系列特性(从物理特性到感官特性)
  • 利用基于物理的模拟降低生物基直接替代原料的风险,以确保其兼容性和产品性能
清洁用品

在分子层面设计可持续、高效的清洁产品

借助数字化学技术,革新清洁产品开发

  • 从分子层面深入了解抗菌作用机制,该机制模拟了实验过程(即利用抗菌活性物质对微生物膜进行电穿孔)
  • 设计新一代的、可持续的活性成分
  • 预测在不同表面(如织物和硬质表面)上的表现
  • 开发用于评估安全性(例如毒性)的机器学习模型
包装材料

加快可持续包装材料的发展

利用强大的数字仿真技术,加速新型包装材料的研发

  • 了解包装与产品成分及配方之间的化学相容性
  • 对新型可持续包装材料的关键性能(力学性能、运输性能、湿度敏感性)进行虚拟测试
  • 对包装材料进行生命周期评估分析
  • 对产品与包装之间的相互作用及其对保质期的影响获得新的见解

案例研究与网络研讨会

了解施罗丁格技术如何被用于解决现实世界中的研究难题。

材料科学 网络研讨会

借助物理驱动的人工智能和预测建模,加速可持续化学创新

欢迎参加我们与Innovation Research Interchange联合举办的网络研讨会,了解快速消费品(FMCG)行业如何应对当前由全球消费者转向“清洁标签”产品和高透明度配料表所驱动的重大转型。

材料科学 网络研讨会

加速产品开发:工业领域向人工智能/机器学习驱动的配方研发转型

在本讨论中,我们将探讨建模和机器学习在配方设计中迅速演变的角色——从辅助工具到创新的驱动力。

材料科学 网络研讨会

利用基于物理的AI/ML加速材料发现

本系列网络研讨会将探讨前沿计算方法如何彻底改变药品、生物制剂和先进材料的设计与优化。

材料科学 网络研讨会

推进适用于材料科学领域的机器学习力场

在本场网络研讨会中,我们将介绍薛定谔(Schrödinger)研发的尖端MLFF架构——名为“具有迭代电荷平衡的消息传递网络”(MPNICE),该架构融合了显式静电理论,以实现精确的电荷表征。

材料科学 案例研究

通过综合实验与分子模拟方法推动可持续食品加工的发展

来自薛定谔公司和马萨诸塞大学的科学家们通过实验和计算方法开展了全面研究,以探究以玉米蛋白为原料的肉类替代品的关键特性及其挤出性能。

材料科学 网络研讨会

利用人工智能/机器学习加速化学创新:材料应用领域的突破

在本期网络研讨会中,我们将探讨人工智能(AI)和机器学习(ML)如何推动材料创新取得重大进展,并重点介绍一些案例研究,展示机器学习前沿技术在各种应用中的应用。

材料科学 网络研讨会

基于人工智能/机器学习的配方设计:加速创新

施罗丁格公司很高兴将于5月29日与《化学与工程新闻》(C&EN)联合举办一场网络研讨会。

材料科学 案例研究

食品的未来:分子模拟与人工智能/机器学习重塑产品开发

材料科学 网络研讨会

高性能材料发现:依托云计算实现的十年突破

本次演讲将展示施罗丁格的集成材料科学平台如何在各种应用领域中实现大规模并行筛选和从头设计。

材料科学 网络研讨会

利用数字化学方法对个人护理及化妆品配方进行虚拟测试

2025年2月19日 | 通过案例研究,展示计算化学如何助力产品开发、容器设计以及产品使用过程中的分析。

精选课程材料科学应用中的分子建模

材料科学应用中的分子建模:消费品课程

在线认证课程:提升您在消费品建模方面的技能

了解如何运用Schrödinger业界领先的软件,借助自动化工作流和机器学习模型,预测消费品中简单和复杂材料配方的关键性能。

  • 自主学习内容
  • 亲身体验施罗丁格软件
  • 指导性与自主性案例研究
了解更多

文档与教程

了解常见问题的解答,并掌握使用Schrödinger软件的最佳实践。

材料科学 习题指南

蛋白质表征:第2部分

通过进行和分析分子动力学模拟,探讨牛β-乳球蛋白在不同pH值条件下的性质特征。

材料科学 习题指南

基于 MPNICE 嵌入的机器学习

学习如何使用 MPNICE Embedding 构建、分析和应用机器学习模型。

材料科学 习题指南

机器学习力场的微调

学习如何对预训练的机器学习力场(MLFF)模型进行微调,以研究二维材料的晶格参数。

材料科学 习题指南

蛋白质表征:第一部分

学习蛋白质表征工作流程:确定结构、分析表面性质,并进行混合溶剂分子动力学模拟。

材料科学 习题指南

利用 REINVENT 进行新型化合物的从头设计

学习如何使用 REINVENT 训练生成式机器学习模型,以在满足特定性质约束的前提下设计新化合物。

材料科学 习题指南

基于机器学习的含蛋白质配方开发

学习构建用于包含蛋白质的配方分析的机器学习模型。

材料科学 习题指南

在结构数据缺失的配方中优化粘度与成本

学习构建一个机器学习(ML)模型,用于预测存在结构数据缺失的洗发水配方成本和粘度。

材料科学 习题指南

构建和分析复杂的脂质双层,并嵌入膜蛋白

学习如何构建和分析复杂的脂质双层,以及如何将蛋白质嵌入其中。

材料科学 文献资料

复合双层构建器面板

构建单组分或多组分脂质膜,可选择是否嵌入膜蛋白。

材料科学 文献资料

膜分析面板

计算轨迹中选定帧内脂质膜的结构性质。

主要产品

进一步了解可用于推进您研究项目的关键计算技术。

MS 配方 ML

一种自动机器学习解决方案,用于建立准确的配方-性能关系,并筛选出具有所需性能的新配方

虚拟集群

用于在云端运行仿真的安全、可扩展的环境

捷豹

利用量子力学快速、准确地预测分子结构和性质的解决方案

MS 渗透剂装载

基于分子动力学(MD)建模预测凝聚体系的含水量和小分子气体吸附容量

德斯蒙德

一款高性能分子动力学(MD)引擎,具备高可扩展性、高吞吐量和科学精度

MS CG简体中文(大陆)

针对大型系统在长时间尺度上的高效粗粒化(CG)分子动力学(MD)模拟

OPLS4 和 OPLS5 力场

一个用于精确分子模拟的现代化、综合性力场

DeepAutoQSAR

用于预测性机器学习模型训练和应用的自动化、可扩展解决方案

MS Transport

一种用于预测液体粘度、电导率以及原子和分子扩散行为的高效分子动力学(MD)模拟工具

出版物

浏览相关应用领域中采用薛定谔技术的经同行评审的出版物列表。

材料科学 出版物

利用量子力学和机器学习筛选抗氧化成分

材料科学 出版物

利用分子动力学揭示来自平螺藻(Arthrospira platensis)的蓝色天然色素异藻蓝蛋白的光吸收机制

材料科学 出版物

基于味觉的从蘑菇Amaropostia stiptica中分离苦味化合物,可激活人类苦味受体中的一类

材料科学 出版物

通过计算方法深入探讨食品着色剂紫罗兰素抑制食源性真菌烟曲霉的分子机制

材料科学 出版物

利用花青素改善3D打印即食淀粉凝胶的色泽和抗消化性

材料科学 出版物

关于玉米蛋白质的结构形成特性的分子层面的见解及其与大麦蛋白质的流变学比较

材料科学 出版物

甜菊醇雷巴奥迪苷与人类甜味受体(T1R2/T1R3)复合体的四个不同位点结合,这解释了实验结果为何令人困惑

材料科学 出版物

利用感官评价、电子舌、分子对接和分子动力学模拟,阐明甜橙果实香气化合物对蔗糖溶液的增甜机制

材料科学 出版物

水溶液中直链淀粉的配位机制:基于3-十五烷基苯酚的分子动力学研究

材料科学 出版物

对包装材料中塑料污染物迁移及其向模型食品系统中潜在渗出的纳米尺度分析

预约有关施罗丁格 CPG 解决方案的咨询

立即联系我们,探讨如何利用分子建模和人工智能/机器学习,在当今快速发展的消费品市场中保持领先地位。

在上面的列表中没有找到您感兴趣的领域吗?请联系我们,我们将竭诚为您提供帮助。

表单已提交

谢谢,我们会尽快与您联系。

满足您组织需求的软件和服务

软件平台

借助一个基于物理分子建模、机器学习和团队协作的全面且易于使用的平台,部署数字化材料发现工作流。

研究服务

借助施罗丁格(Schrödinger)专业的计算科学家团队,在您的材料发现与开发流程的关键阶段提供支持。

支持与培训

获取专为新手和资深用户量身定制的专家支持、教育资料和培训资源。