材料专场｜当分子设计与实验设计有了AI加持：MaXFlow人工智能应用再升级

材料研发

贝叶斯优化算法

分子模拟与人工智能平台

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

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

MaXFlow界面图 · 滑动查看

基于科学数据驱动的

智能数据引擎

创腾科技深耕医药和材料科学研发领域20年，通过以云计算，移动互联和科学人工智能为基础的三大自主研发平台，帮助企业和创新科研机构快速进行研发的数字化转型，实现智能创新变革：

iLabPower 研发创新平台：实现研发全生命周期的数据采集和管理，确保研发数据的真实、完整和可追溯。通过研发的数字化转型，降低研发成本，提升研发效率，有效保护创新成果和知识产权。

SDH科学数据基因组平台：实现跨源数据的快速融合和溯源，通过数据的业务智能，缩短产品上市周期，快速提升产品品质，增强企业的核心竞争力。

MaXFlow分子模拟与人工智能平台：打造人人能用的分子模拟与AI智能创新平台，变革以实验试错为主的传统研发模式，实现以科学数据和模型驱动的智能创新。