OPLS4
首个高精度固定电荷力场，广泛覆盖 与医学相关的化学空间
力场套装
借助业界顶尖的专有力场——由我们自主研发、专为确保精度而设计——提升您的计算预测质量
更新后的“力场套件”为您提供了更广泛的覆盖范围，可应用于更复杂的系统
OPLS5
首个可用于自由能计算且已准备好投入大规模生产的 极化力场
机器学习（ML） 力场：QRNN 和 MPNICE
基于机器学习（ML） 的高精度力场
力场生成器
首个可扩展的工作流，可确保 所有分子均具有高质量的参数覆盖范围
我们正在推进力场领域的创新，以帮助您获得更准确、更可靠的建模结果
在分子模拟中，力场用于描述系统中原子之间的相互作用。拥有精确的力场是获得有用的分子结构和预测相对能的关键，然而许多计算机模拟程序所采用的力场已有数年甚至数十年之久，且对许多常见的分子结构单元覆盖不足。
2005
2010
2015
2020
2025
Schrödinger 力场的主要优势
- 由顶尖力场专家推动的持续科学发展
- 依托最先进的量子引擎（Jaguar ）并经过广泛的实验验证
- 化学空间 广泛涵盖小分子、生物制剂和材料科学领域的应用
- 借助“力场构建器”，可轻松扩展至适用于特定项目的新型化学体系
- 机器学习（ML） 力场具有极高的精度和可扩展性，系统覆盖范围广且可进一步扩展
药物研发的应用
获得更准确的结合预测亲和力
利用FEP+ 生成精确的结合自由能预测，从而在同系物系列中实现更可靠的排序。
借助机器学习（ML） 力场拓展应用领域
通过将人工智能/机器学习（AI/ML）集成到力场和模拟 引擎中，来增强和加速基于物理理论 的计算方法。
预测新型骨架的结合模式
利用IFD-MD中的先进诱导契合分子对接 方法，准确预测新型骨架分子的结合模式。
执行精确的分子动力学 (MD) 仿真
利用Desmond 进行高保真分子动力学 (MD) 模拟，揭示作用机制和关键相互作用能。
改进构象 的分析
通过在Glide 、ConfGen、MacroModel和Prime中改进扭转能描述，实现更优的构象 采样和分子对接 姿态。
