Avec MATLAB et Simulink, vous pouvez acquérir et traiter des données expérimentales, notamment AFM, Cryo-EM, NMR et EPR. MATLAB vous permet de générer et de visualiser des données Big Data simulées, ainsi que de créer des modèles prédictifs pour les structures et les propriétés moléculaires grâce au Machine Learning et au Deep Learning.
MATLAB et Simulink vous aident à :
- Simuler et faire correspondre diverses données de spectroscopie en appliquant des techniques numériques et des méthodes de visualisation
- Développer des modèles prédictifs avancés pour la prédiction des propriétés moléculaires
- Développer de nouveaux cadres théoriques pour modéliser des systèmes chimiques complexes et fournir des solutions analytiques et numériques
- Enseigner des compétences de programmation orientées vers la chimie dans des cours de chimie de tous niveaux
Découvrez d'autres utilisations de MATLAB pour la recherche et l'enseignement en chimie
Workflow de simulation de dynamique moléculaire avec Psi4 et MATLAB
Vous pouvez utiliser Psi4 (une suite open-source de programmes de chimie quantique ab initio) avec MATLAB, pour construire un workflow automatisé de simulations de dynamique moléculaire (MD), pour la génération et le traitement de données. Cet exemple Psi4 débute avec une structure moléculaire unique, la fait tourner autour d'une liaison C-C et calcule l'énergie moléculaire au niveau théorique souhaité. Le résultat des calculs Psi4 est ensuite traité dans MATLAB pour extraire les données et créer un fichier .mat unique pour une analyse plus approfondie.
Documentation
Pliage de protéines à l'état fondamental en utilisant l’algorithme quantique VQE (Variational Quantum Eigensolver)
Avec MATLAB, vous pouvez utiliser des qubits pour coder un pli de protéine sur un réseau tétraédrique tridimensionnel. En utilisant cet exemple de protéine à l'état fondamental, l'état fondamental est identifié au moyen d'une routine avec l’algorithme quantique VQE (Variational Quantum Eigensolver). Le circuit final de la simulation est exécuté sur un processeur quantique réel à titre de comparaison.
Classification de groupes fonctionnels en utilisant des réseaux d'attention graphique (GAT)
MATLAB vous permet de classer les molécules comportant plusieurs groupes fonctionnels en utilisant des réseaux d'attention graphique (GAT). Dans cet exemple de classification graphique multi-étiquette, l'apprentissage est effectué en utilisant le jeu de données QM7-X, qui comprend un ensemble de graphiques représentant 6 950 molécules. Cette démonstration porte sur les groupes fonctionnels CH, CH2, CH3, N, NH, NH2, NOH et OH.
Classification des atomes dans les molécules avec un réseau convolutif graphique (GCN)
Vous pouvez utiliser MATLAB pour prédire les types d'atomes d'une molécule en utilisant un réseau convolutif graphique (GCN). En utilisant cet exemple de classification de nœuds, vous pouvez découvrir comment entraîner un GCN avec le jeu de données QM7, qui est un jeu de données moléculaires comprenant 7 165 molécules composées d'un maximum de 23 atomes.
Produits
Découvrez les produits utilisés pour les applications dans le domaine de la chimie.
Version d'essai gratuite de 30 jours
Commencer
