MATLAB と Simulink を使用すると、AFM、Cryo-EM、NMR、EPR などの実験データを取得して処理することができます。MATLAB により、機械学習とディープラーニングを使用して、シミュレーションされたビッグデータを生成および可視化し、分子構造と特性の予測モデルを作成することができます。
MATLAB および Simulink は、次の作業を支援します。
- 数値手法や可視化手法の適用による、さまざまな分光データのシミュレーションおよび当てはめ
- 分子特性予測のための高度な予測モデルの開発
- 複雑な化学システムをモデル化して解析解や数値解を得るための、新しい理論フレームワークの開発
- あらゆるレベルの化学のコースにおける化学指向のプログラミングスキルの授業
化学の研究および授業のための MATLAB の導入事例
ドキュメンテーション
変分量子固有値ソルバーを使用した基底状態のタンパク質フォールディング
MATLAB を使用すると、量子ビットを使用してタンパク質フォールディングを 3D 四面体格子にエンコードすることができます。この基底状態のタンパク質の例を使用すると、シミュレーションされた変分量子固有値ソルバールーチンにより基底状態が見つかります。シミュレーションの最後の工程は、比較のために実物の量子プロセッサユニット上で実行されます。
ドキュメンテーション
グラフ アテンション ネットワークを使用した官能基分類
MATLAB を使用すると、グラフ アテンション ネットワーク (GAT) を使用して複数の官能基を持つ分子を分類することができます。このマルチラベルグラフ分類の例では、6950 個の分子を表すグラフのコレクションである QM7-X データセットを使用して学習が行われます。このデモでは、官能基 CH、CH2、CH3、N、NH、NH2、NOH、および OH を対象としています。
ドキュメンテーション
グラフ畳み込みネットワークを使用した分子内の原子分類
MATLAB により、グラフ畳み込みネットワーク (GCN) を使用して、分子内の原子のタイプを予測することができます。このノード分類の例では、最大 23 個の原子で構成された 7,165 個の分子から成る QM7 データセットで GCN を学習させる方法を説明しています。
ドキュメンテーション
製品
化学アプリケーションで使用する製品をご紹介します。
30日間無料トライアル
今すぐ始める
