化学

MATLAB 和 Simulink 在化学领域的应用

分析和可视化化学数据并构建其预测模型

借助 MATLAB 和 Simulink，您可以采集并处理试验数据，包括 AFM、Cryo-EM、NMR 和 EPR。通过 MATLAB，您可以生成和可视化仿真的大数据，并使用机器学习和深度学习创建分子结构和性质的预测模型。

MATLAB 和 Simulink 可帮助您：

  • 通过应用数值方法和可视化方法仿真和拟合各种光谱数据
  • 开发用于分子性质预测的高级预测模型
  • 制定新的理论框架对复杂化学系统进行建模，并提供解析解和数值解
  • 在各级化学课程中教授面向化学的编程技能

了解其他人如何使用 MATLAB 进行化学研究和教学

EasySpin - EPR 谱仿真
EasySpin - EPR 谱仿真
MATLAB 在基础化学中的应用
MATLAB 在基础化学中的应用

Psi4-MATLAB 分子动力学仿真工作流

您可以将 Psi4（一套从头计算的量子化学程序）与 MATLAB 结合使用，构建一个自动化分子动力学 (MD) 仿真工作流，用于生成和处理数据。此 Psi4 示例先输入一个分子结构，再围绕 C-C 键旋转它，然后从所需的理论层面计算分子能量。此后，在 MATLAB 中处理 Psi4 计算的输出，以提取数据并构建一个 .mat 文件供进一步分析。

文档

Psi4_MATLAB_MD_Simulations – GitLab

在一个简化的模型中，使用基于门的量子处理器研究具有七个氨基酸的神经肽 APRLRFY 的折叠过程。

使用变分量子特征值求解器研究基态蛋白质的折叠

借助 MATLAB，您可以使用量子位在三维四面体晶格上对蛋白质折叠进行编码。使用此基态蛋白质示例，可通过仿真的变分量子特征值求解器例程找到基态。仿真中的最终电路在真实的量子处理器单元上运行以进行比较。

文档

使用变分量子特征值求解器 (VQE) 研究基态蛋白质的折叠

使用图注意力网络对官能团进行分类

通过 MATLAB，您能够使用图注意力网络 (GAT) 对具有多个官能团的分子进行分类。在此多标签图分类示例中，训练是使用 QM7-X 数据集完成的，该数据集是表示 6950 个分子的图的集合。本演示以官能团 CH、CH2、CH3、N、NH、NH2、NOH 和 OH 为例。

文档

使用图注意力网络对多标签图进行分类

使用 GAT 对多官能团进行分类的工作流示意图。
使用 GCN 对原子进行分类的工作流示意图。

使用图卷积网络对分子中的原子进行分类

您可以使用 MATLAB 通过图卷积网络 (GCN) 预测分子中的原子类型。使用此节点分类示例，您可以了解如何使用 QM7 数据集训练 GCN，该数据集是包含由多达 23 个原子组成的 7165 个分子的分子数据集。

文档

使用图卷积网络对节点进行分类

30天免费试用

快速入门