讲座主题：当分子设计与实验设计有了AI加持 MaXFlow3.6.1材料新版本发布会
讲座时间：2023年3月16日（周四），15:00
主 讲 人：创腾科技讲师
报名方式：扫描下方二维码 或 点击链接
获得一个稳定的3D分子结构，只需2秒？
在材料科学、生命科学等领域的小分子设计环节，分子三维构象的生成具有关键作用。传统的方法通常需要先对分子的原子间距离、距离的梯度或如扭转角等这类局部结构进行预测，而后在此基础上重建其3D构象。
在MaXFlow3.6.1中，即将上线DMCG组件。DMCG是一种直接预测原子坐标的方法，即在不考虑中间值的情况下直接生成分子的三维坐标。该方法能够自适应地结合键和原子信息，并通过不断迭代对生成的构象坐标进行细化。该方法在GEOM-QM9和GEOM-Drugs数据集上都取得了良好的表现。
MaXFlow3.6.1即将上线分子三维坐标生成组件DMCG。DMCG可在不提供键长、键角等中间值的情况下直接预测各原子三维坐标，并可视化优化后的三维结构。该方法从分子的SMILES中自动提取键和原子信息，并通过迭代优化进而得到能量最低构象。DMCG在GEOM-QM9和GEOM-Drugs数据集上都取得了优异表现，其生成构象的带隙等本征性质与真实值相一致，该方法将为后续的性质计算和分子模拟提供有效基础。
有了它，反应条件寻优不再让你“头秃”
在新材料的制备过程中，通常会涉及到诸多反应参数，为了找到最佳的制备方案获得最优的产率，往往需要大量的实验验证，这给研究人员带来大量的工作量，非常耗时耗力。如何借助AI手段优化实验设计方案，让研究人员仅通过有限的实验数量，就能找到最佳方案？
分子模拟与人工智能平台MaXFlow将机器学习算法与实验设计（DOE）进行集成，帮助研究人员快速锁定最优区间，大幅减少验证实验数量。
在MaXFlow3.6.1中，即将上线EDBO组件，该组件整合了贝叶斯优化算法。贝叶斯优化是一种基于迭代响应面的全局优化算法，在机器学习模型的调优中表现出卓越的性能。近年来贝叶斯优化也被应用于化学领域。在实验设计中采用贝叶斯优化方法能够有效帮助工艺参数的优化，从而实现数据驱动的决策。
本次发布会，您还将了解到MaXFlow丰富的模型构建功能
MaXFlow可提供模型可视化界面、多种专业建模工具
· 晶体结构（超胞、自定义晶胞、缺陷结构）
· 界面结构（固-固界面）
· 纳米管结构
· 多构象搜索
· 交联结构构建
