화학

MATLAB 및 Simulink를 사용한 화학

화학 데이터의 예측 모델 분석, 시각화 및 구축

MATLAB 및 Simulink를 사용하면 AFM, Cryo-EM, NMR, EPR 등의 실험 데이터를 수집하고 처리할 수 있습니다. MATLAB으로는 머신러닝과 딥러닝을 사용하여 시뮬레이션된 빅데이터를 생성 및 시각화하고 분자 구조와 속성의 예측 모델을 만들 수 있습니다.

MATLAB 및 Simulink로 다음과 같은 작업을 수행할 수 있습니다.

  • 수치적 기법과 시각화 방법을 적용하여 다양한 분광 데이터를 시뮬레이션하고 피팅
  • 분자 속성 예측을 위한 고급 예측 모델 개발
  • 복잡한 화학 시스템을 모델링하고 해석적 해와 수치 해를 제공할 새로운 이론적 프레임워크 개발
  • 모든 수준의 화학 교육과정에서 화학 중심 프로그래밍 역량 교육

Psi4-MATLAB 분자 동역학 시뮬레이션 워크플로

Psi4(오픈 소스 제1원리 계산 프로그램 제품군)를 MATLAB과 함께 사용하여 데이터 생성과 처리를 위한 자동 MD(분자 동역학) 시뮬레이션 워크플로를 구축할 수 있습니다. 이 Psi4 예제는 단일 분자 구조 입력값을 시작점으로 삼아서 C-C 결합을 중심으로 이를 회전시키고 원하는 이론 수준에서 분자 에너지를 계산합니다. 그 후에는 MATLAB에서 Psi4 계산의 출력값이 처리되어 데이터가 추출되고 추가 분석을 위한 단일 .mat 파일이 만들어집니다.

문서

Psi4_MATLAB_MD_Simulations – GitLab

7개의 아미노산으로 구성된 신경펩티드인 APRLRFY의 접힘은 거친 입자 모델 내의 게이트 기반 양자 프로세서에서 검사됩니다.

변분 양자 고유값 솔버를 사용한 바닥 상태 단백질 접힘

MATLAB에서는 큐비트를 사용하여 3차원 사면 격자에서 단백질 접힘을 인코딩할 수 있습니다. 이 바닥 상태 단백질 예제를 사용하면 시뮬레이션된 변분 양자 고유값 솔버 루틴을 통해 바닥 상태를 찾을 수 있습니다. 시뮬레이션에 따른 최종 회로는 비교를 위해 실제 양자 프로세서 장치에서 실행됩니다.

문서

VQE(변분 양자 고유값 솔버)를 사용한 바닥 상태 단백질 접힘 

그래프 어텐션 신경망을 사용한 작용기 분류

MATLAB을 사용하면 작용기가 여러 개인 분자를 GAT(그래프 어텐션 신경망)로 분류할 수 있습니다. 이 다중 레이블 그래프 분류 예제에서는 6,950개의 분자를 나타내는 그래프 모음인 QM7-X 데이터셋으로 훈련이 수행됩니다. 이 시연에서는 CH, CH2, CH3, N, NH, NH2, NOH, OH 작용기를 고려합니다.

문서

그래프 어텐션 신경망을 사용한 다중 레이블 그래프 분류

GAT를 사용한 여러 작용기 분류 워크플로의 개념도.
GCN을 사용한 원자 분류 워크플로의 개념도.

그래프 컨벌루션 신경망을 사용한 분자 내 원자 분류

MATLAB을 사용하면 GCN(그래프 컨벌루션 신경망)으로 분자 내 원자의 유형을 예측할 수 있습니다. 이 노드 분류 예제를 사용하여 최대 23개의 원자로 구성된 7,165개 분자를 담은 분자 데이터셋인 QM7 데이터셋으로 GCN을 훈련시키는 방법을 알아볼 수 있습니다.

문서

그래프 컨벌루션 신경망을 사용한 노드 분류

제품

화학 응용 분야에 사용되는 제품에 대해 알아볼 수 있습니다.

30일 무료 평가판

시작하기