▶ 如何优化实验方案，快速提升反应产率？MaXFlow3.6.1告诉你如何将Nature的重量级科研成果快速应用到自己的实验中；▶ 如何破解各类界面模型构建的困难？MaXFlow3.6.1的自动构建功能将带给你全新的体验；

▶ 基于AI方法快速获取分子稳定构像，如何加速候选物的筛选流程？MaXFlow3.6.1同样给你惊喜在AI+材料科学时代，开展以科学数据为驱动、以AI为核心的材料基因工程研究，建立起材料高通量实验、高通量计算和材料数据融合的创新体系和智能研发模式，势必为新材料设计领域带来颠覆性技术革命。

正基于此，MaXFlow分子模拟与人工智能平台应运而生，旨在让材料科学家更“自由”地使用AI算法和工具——分子模拟+AI，新材料有望“算”出来！即将发布的MaXFlow3.6.1中，两大AI组件上新：用于

小分子设计的DMCG和用于实验设计的EDBO01DMCG | 用于小分子设计在材料科学、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。

图 | DMCG分子结构预测模型预测结果展示DMCG是分子三维坐标生成组件，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，由该方法生成的稳定构象将为分子后续的性质计算和模拟提供一个有效而坚实的基础02EDBO。

| 用于实验设计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。

？

图 | EDBO结果展示EDBO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。

固固界面模型自动构建功能上新：界面结构对于材料的宏观性能有着重要的影响，界面问题是微观模拟的一个重要议题构建一个合理的界面模型是微观模拟工作的第一步即便你不熟悉晶体、即便你没有相关的参考文献，即便一切只是你的一个不确定的想法，动动鼠标，MaXFlow依然可以帮你构建出你需要的界面模型！。

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。