MS 力场应用

MS Force Field Applications（MS FF Applications）包含对Schrödinger公司广为使用的 OPLS4 及全新的 OPLS5 力场，还包含Schrödinger 旗下所有机器学习（ML） 力场（MLFFs），可满足各类性质预测工作流的需求。Schrödinger 致力于推动力场领域的创新，助您获得更准确、更可靠的建模结果。

最新动态： 

• OPLS5：通过引入德鲁德振子，对极化率进行了显式处理，从而能够精确模拟阳离子-π相互作用，并对带电体系中的氢键进行更精确的处理。
• MPNICE： 机器学习（ML） 力场（也称为机器学习（ML） 原子间势能）是经典力场与DFT 之间的过渡形式，既保留了前者的线性标度关系，又接近后者的精度。带迭代电荷平衡的消息传递网络（MPNICE）是由Schrödinger 开发的一种MLFF架构，该架构提供了涵盖89种元素的多个预训练模型，并显式地纳入了平衡后的原子电荷和长程静电作用。
• 微调：尽管MPNICE和UMA等架构具有出色的通用性，但要针对特定系统实现高保真度，通常需要利用量子力学数据对模型进行定制化调整。MS FF Applications提供了一个直观、自动化的界面，可通过Jaguar 或Quantum Espresso生成的DFT 计算结果对MPNICE模型进行微调。这使得开发定制化的、面向特定应用的MLFF成为可能，这些模型能够与整个材料科学工作流和解决方案无缝集成。
• 适用于3D机器学习模型的MPNICE嵌入：MLFF的内部层封装了化学空间 与3D原子构型之间一种复杂且密集的映射关系。通过利用这些潜在表示，MPNICE嵌入使您能够直接基于3D坐标构建机器学习（ML） 模型。这使得能够针对有机、无机和杂化体系——涵盖周期性和非周期性结构——创建高保真度的预测模型。