imgboxbg

解决方案

Solution

/
解决方案
纳米尺度波动:原子模拟的秘诀
即使对于经验丰富的专业人员,为给定问题选择合适的仿真方法也是一项极为重要的决定。本文将帮助您选择合适的模拟的方法。
更多 白箭头 黑箭头
基于V2CO2 Mxene的高效单原子催化剂研究−从头算模拟
单原子催化剂(SACs),最终尺寸减小的金属颗粒,近年来引起了越来越多的关注,并已被确定为异相催化的新研究领域。
更多 白箭头 黑箭头
Materials Studio在生长机理研究上的应用
Materials Studio具有简单的用户操作界面,上手难度小,并且具有强大的建模功能。此外Materials Studio是一个完整的模拟平台,建模-计算-分析整个完整流程都可以在平台上进行。
更多 白箭头 黑箭头
“质子交换膜燃料电池阴极氧化还原反应动力学的原位测定”虚拟仿真实验
1、概述燃料电池(FuelCells)是一种直接将化学能转化为电能的发电装置,具有能量转化效率高、低污染、环境友好的突出优点,被认为是21世纪首选的洁净、高效的发电技术,当前正在成为各国政府与大公司研究和开发焦点。质子交换膜燃料电池(ProtonExchangeMembraneFuelCells,PEMFC),是继碱性燃料电池(AFC)、磷酸盐燃料电池(PAFC)、熔融碳酸盐燃料电池(MCFC)和固体氧化物燃料电池(SOFC)之后正在发展的第五代燃料电池。它除了具有其他燃料电池的一般特点外,同时还具有比功率与比能量高、可室温快速启动、无电解液腐蚀与溢漏问题等优点。因此,PEMFC在作为电动汽车动力源,移动式电源及分散电站等方面具有广阔的应用前景。众所周知,传统燃油汽车产生大量的废气污染;燃料电池技术作为交通运输的动力电源在对应对全球气候变化、实现温室气体零排放方面至关重要。2015年1月底全球首辆量产氢燃料电池车丰田Mirai在日本交货,预示着基于燃料电池技术电动车的商业化已经成熟。2017年,全球各国(地区/城市)燃油车禁售计划的提出更是进一步助推了当前燃料电池技术的产业化发展。2、工作原理PEMFC的工作原理如图所示: 1)在PEMFC阳极氢气通过阳极流场到达阳极,氢分子氧化生成质子(H+)和电子(e-)。2)质子通过质子交换膜传输到达阴极,电子则通过外电路做功后到达阴极。3)在PEMFC阴极,质子(H+)、电子(e-)与通过流场传输至阴极氧气反应生成水。阴、阳极反应式与电池总反应式如下:  3、我国燃料电池的发展概况氢燃料电池汽车,是我国新能源汽车产业一条重要的技术路线,是新能源汽车“三驾马车”之一。但是由于过去一段时间产业发展的重点主要集中于纯电动和插电式混合动力汽车上,导致氢燃电池汽车产业化进程比纯电动汽车慢了10年。在“蛰伏”了将近10年后,氢燃料电池汽车终于走到了台前。近两年,国内对氢能和燃料电池汽车的关注度得到前所未有的提高,从2018年初国家能源投资集团牵头,国家电网公司等多家央企参与的中国氢能源及燃料电池产业创新战略联盟的成立,到今年氢能首度被写入政府工作报告中。从地方政府到中央政府,对氢能和燃料电池汽车发展的重视程度已经被提到重要位置。4、燃料电池的虚拟实验Moolsnet团队和大连理工大学毛庆老师团队联合研制了“质子交换膜燃料电池阴极氧还原反应动力学参数的原位测定”虚拟仿真实验。该实验是“PEMFC阴极氧还原反应动力学参数的原位测定”综合性教学实验的重要组成部分,是在“新工科”建设背景下,大连理工大学进行电化学工程专业方向实验教学改革的重要内容。该实验将“电化学原理”课程中Butler-Volmer方程的简化、动力学参数的实验测定方法,电化学热力学中平衡电极电位的确定,欠电势沉积技术,“循环伏安”、“交流阻抗”等电化学分析技术囊括在一个实践教学活动中,在电化学工程方向的实践教学中具有典型的示范意义。
更多 白箭头 黑箭头
利用BIOVIA PIPELINE PILOT简化小分子研发,实现组合化学现代化
BIOVIAPIPELINEPILOT挑战:管理企业中小分子组合库的技术难度和操作复杂性,使得选择新药的过程缓慢且费用高昂。解决办法:BIOVIAPipelinePilot可自动筛选组合库以提供候选化合物。结果:·自动化和增强的输入过程,用于确定化合物。·将化合物数量增加了55%,同时将总体运营成本降低了50%以上。·高效,有效地进行化合物筛选。 顾客:全球制药商这位BIOVIA的客户是世界上最大的制药公司之一,拥有多元化的全球研究团队和生产基地网络。作为一个公司,他们的目标是研究、开发和生产多样化的药品、疫苗和消费者保健产品。他们不断地采用新的方法来提高他们的研发能力,提高他们的研发生产力和效率,并使他们解决药物化学中一些最复杂的问题。 挑战:有效地选择新的先导化合物类药物分子有着巨大的发展空间,确定新的先导化合物起始点仍然是整个生命科学行业中药物化学家面临的一个关键挑战。这些候选化合物必须满足许多关键参数,比如大小、可合成性和安全性。组合化学允许制药公司创建相关化合物的虚拟图书馆,帮助研究人员缩小研究范围,只关注最适合他们需要的化合物。在此之前,这位BIOVIA的客户聘请了一支庞大的医药和计算化学家团队来管理他们的组合库,其中包含成千上万个独特的实体。该组合库需要经常更新,以获得最新的方法和研发策略变更。因此,管理团队需要评估来自不同供应商的数百万种化合物,并对其进行筛选,以满足客户所需的规格。为了确保候选化合物能够满足研究人员的需求,客户保持了高度选择性的三相过程,以潜在地购买新化合物。他们的工作重点是通过各种业务目标(如成本)和特定的物理化学描述符来筛选候选化合物。这个过程每年重复一次。但是,要在这些业务目标和科学目标之间保持适当的平衡,通常会进行多次筛选。这些多次运行增加了时间和成本的压力,降低了生产力,增加了分析出错的风险。因此,这位客户在组合库的管理上每年需要花费数千万美元。为解决这个问题,公司领导层决定将这个复杂费事的步骤自动化,以简化组合库的化合物选择。 “我们在BIOVIAPipelinePilot中编写了筛选模板和工具,是我们最具成本效益的工具,它完全拯救了我们的大脑。”                          -研发总监,全球医药生产商。 解决方案:通过PipelinePilot来自动筛选候选化合物对于客户的高通量筛选过程,BIOVIAPipelinePilot将大量的各种化学物和受控物数据分隔开来。这有助于解决方法转变时带来的问题,并且为筛选候选物提供了药效学方法。PipelinePilot使该客户可以根据各种参数(包括所需的理化特性,分子复杂性和合成成本等)来满足归档化合物集合的目标。BIOVIAPipelinePilot可对历史筛选数据进行数学建模,客户能够(基于特定的目标物和可能的化合物组合)在大量的化合物库中确定哪种化合物将获得最大的回报。他们能够更轻松地管理外部公司的供应链。通过在PipelinePilot中创建的过滤器和缓存,该团队消除了其采集过程和化合物收集中的错误。通过减轻这些流程中经常遇到的困难,它们阻止了员工流动,简化了流程。根据一位团队成员的说法,“这完全挽救了他们的大脑”。 结果:简化了组合化学过程BIOVIAPipelinePilot帮助客户创建了有效的“协议”来简化他们的化合物收集过程。除了降低总体运营成本外,他们还能够克服自动化设施中的许多瓶颈,最终完全改变流程的范围。随着PipelinePilot的使用,他们不仅将组合库里面的化合物数量增加了55%,还降低了50%以上的维护成本。现在这只团队现在能够高效地获取高通量筛选数据,以及用于确定化合物收集的自动化和增强的输入过程。这有助于他们对化合物收集过程同步、持续的跟踪。
更多 白箭头 黑箭头
COSMOLOGIC在药物设计领域的解决方案
现代药物设计过程包括基于计算方法发现、研究和修饰生物活性分子。计算机辅助药物设计减少了药物设计周期中的迭代次数,并加快发明和优化过程。此外,它还提供了药物设计过程中发现更新颖的小分子结构的潜力。由于它基于量子化学,因此COSMOlogic软件可广泛应用于整个有机化学领域。用户可以将其应用于截然不同的新颖化学领域。COSMOsim3D和COSMOsar3D使用本地σ-profiles作为描述符。σ-profiles是从量子化学计算得出,描述分子电子表面的特性,而不是化学结构。因此,它们自然允许支架跳跃和寻找活性类似物。本地σ-profiles提供有关以下信息:●静电势●氢键能●疏水相互作用●形状排列和活性相似体搜索使用基于量子化学的分子表面极性,COSMOsim3D是独特的、稳定的基于场的配体-配体比对的方法。COSMOsim3D相似性是配体相似性的有力描述。因此能够在生物等排体和随机对之间进行良好的区分,并允许支架跳跃和寻找活性类似物。ExampleforbioisosterscreeningwithCOSMOsim3D(PDF)3D-QSAR局部σ-profiles阵列是一组新颖的分子相互作用场。他们提供了量化虚拟配体-受体相互作用(包括去溶剂化)所需的所有信息。这导致3D-QSAR研究的预测准确性提高,并且在网格步长、网格定位和随机未对准方面具有出色的稳定性。ExampleforthepredictivityofaCOSMOsar3Dbased3D-QSARincomparisontoothermethodsontheSutherlanddataset.(PDF)ADME属性COSMOtherm或COSMOquick中,分子描述符可从表面极性信息和结构参数中得出。用户可以基于这些有明确物理意义的描述符来构建自己的QSAR模型。许多此类ADME模型可直接使用。
更多 白箭头 黑箭头
上一页
1
2
4

©北京泰科博思科技有限公司   /   京ICP备09107432号-1   /   网站建设:中企动力 北京