ASEと機械学習ポテンシャル：単位・最適化・検証
ASE計算器、固定・可変セル、力の収束と、機械学習ポテンシャルの緩和成功後に必要な科学的検証を理解します。
ガイド
化学AIの基本概念、ツール選定、導入、評価方法を学べます。具体的なツール構成や設定手順をお探しの場合はRecipesをご覧ください。
AI創薬ツール：Agents・MCP・研究プラットフォームの選び方
ワークフローの段階に応じてツールを選択します。標的の根拠、タンパク質構造、既知の結合部位、分子生成、特性解析、スクリーニングを対象に、研究用エージェント、MCP連携、ホスト型API、プラットフォームを比較し、提案するエンドツーエンドの例と実践的な評価ゲートを示します。
材料科学のAIツール：MCP・Agents・Skillsの研究ワークフロー
材料データベース、研究エージェント、科学的Skillsの実践ガイド。凸包、平衡、フォノン、実験的安定性に関する主張を区別しながら、結晶スクリーニング、計算、解析を組織化する方法を解説します。
タンパク質・構造生物学のAIワークフロー：UniProt・RCSB PDB・Agent
タンパク質の同定情報と配列から、RCSB の構造メタデータ、観察されたリガンド接触、提案する下流候補評価まで、証拠に基づくタンパク質ワークフローを構築します。生物種、アイソフォーム、鎖、欠損データ、実験的検証について明示的に確認します。
RDKitで構築するAIケモインフォマティクスワークフロー
分子の検証、標準化、記述子・フィンガープリント計算、化学検索を行う、追跡可能なRDKitワークフローを設計します。Python、MCP、Skillによるアクセス方法を比較し、ツール実行と科学的検証を混同せずに、範囲を限定したPubChem情報補完を追加します。
計算化学のAIワークフロー：構造準備からシミュレーションと解析まで
AI Skillsを活用し、構造準備、フォノン、気相着火、CALPHAD平衡、反応分子動力学解析を扱う、根拠を重視した計算化学ワークフローを構築します。その際、実際の入力、実行依存関係、科学的検証を明確にします。
化学文献研究のAIワークフロー：PubMed MCPとAgent
PubMed MCPを使って追跡可能な化学文献ワークフローを構築します。検索の精緻化、メタデータと抄録の確認、複数論文の統合、引用の追跡を行い、取得した証拠とエージェントが生成した仮説を区別します。
化学工学におけるAIワークフローの評価
プロセスモデリング、反応最適化、制御を切り分けて評価を計画します。実運用を検討する前に、入力、運転限界、時間を考慮した検証方法、承認ゲートを定義します。