GA 光电子
基于遗传算法的光电子应用新型分子材料设计方案
概述
GA Optoelectronics 利用遗传算法，从您的起始化合物出发，开发出具有所需性质的新型分子类似物，从而生成结构全新的候选化合物。通过将这种进化搜索与量子力学（量子力学(QM) , QM）或基于机器学习（ML）的性质评估相结合，该方法能够高效地将庞大的设计空间缩小至最具潜力的候选化合物——从而加速实验开发、阐明结构-性质关系，并为您的未来合成目标提供依据。
核心能力
在一次运行中同时测量靶点 多种光电特性，每种特性都有其专属的靶点 和权重
通过严格的DFT 计算对分子进行评分，或替换为自定义和预训练的机器学习模型，以优化那些使用DFT 计算时速度较慢或精度较低的性质（例如溶解度和PLQY）。
利用先进的交叉（基于键的重组）和突变（元素、等电子及片段库置换）来推动结构创新，同时严格遵守原子数和分子量等物理约束条件
使用交互式查看器和预生成输出文件，实时监控种群如何趋向于您的设计靶点
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。
出版物
浏览采用Schrödinger 技术、发表在相关应用领域的经同行评审的出版物列表。