Con MATLAB e Simulink è possibile acquisire ed elaborare dati sperimentali, tra cui AFM, Cryo-EM, NMR ed EPR. MATLAB consente di generare e visualizzare big data simulati e di creare modelli predittivi per le proprietà e strutture e molecolari utilizzando il Machine Learning e il Deep Learning.
Con MATLAB e Simulink sarà possibile:
- Simulare e adattare vari dati di spettroscopia applicando tecniche numeriche e metodi di visualizzazione.
- Sviluppare modelli predittivi avanzati per la previsione delle proprietà molecolari.
- Sviluppare nuovi quadri teorici per modellare sistemi chimici complessi e fornire soluzioni analitiche e numeriche.
- Insegnare competenze di programmazione orientate alla chimica in tutti i livelli dei corsi di chimica.
Osserva come altri usano MATLAB per la ricerca e l'insegnamento della chimica
Workflow della simulazione della dinamica molecolare Psi4-MATLAB
È possibile utilizzare Psi4 (una suite open-source di programmi di chimica quantistica ab initio) con MATLAB per costruire un workflow automatizzato di simulazioni di dinamica molecolare (MD) per la generazione e l'elaborazione dei dati. Questo esempio di Psi4 prevede l’input di una struttura molecolare singola, la rotazione attorno a un legame C-C e il calcolo dell'energia molecolare al livello teorico desiderato. L'output dei calcoli di Psi4 viene quindi elaborato in MATLAB per estrarre i dati e costruire un singolo file .mat per ulteriori analisi.
Documentazione
Ripiegamento di proteine allo stato fondamentale (ground state) con l'uso di un risolutore quantistico variazionale (VQE)
Con MATLAB è possibile utilizzare i qubit per codificare un ripiegamento proteico su un reticolo tetraedrico tridimensionale. Utilizzando questo esempio di proteina allo stato fondamentale, è possibile trovare lo stato fondamentale con un risolutore quantistico variazionale simulato. Il circuito finale della simulazione viene eseguito su un'unità di processore quantistico reale per eseguire un confronto.
Classificazione dei gruppi funzionali mediante reti di attenzione del grafico
MATLAB consente di classificare le molecole con più gruppi funzionali utilizzando le reti di attenzione del grafico (GAT). In questo esempio di classificazione dei grafici multilabel, l'addestramento viene effettuato utilizzando il set di dati QM7-X, una raccolta di grafici che rappresentano 6950 molecole. Questa dimostrazione considera i gruppi funzionali CH, CH2, CH3, N, NH, NH2, NOH e OH.
Classificazione degli atomi nelle molecole mediante una rete convoluzionale a grafo
È possibile utilizzare MATLAB per prevedere i tipi di atomi in una molecola utilizzando una rete convoluzionale a grafo (GCN). Utilizzando questo esempio di classificazione dei nodi, è possibile imparare ad addestrare una GCN con il dataset QM7, un set di dati molecolari composto da 7165 molecole con un massimo di 23 atomi.
Prodotti
Scopri i prodotti utilizzati per le applicazioni chimiche.
30 giorni di prova gratuita
Per iniziare
