行业参考 · 其他 · 其他 · 证据 E3
Schrödinger：基于物理的 ML 药物发现（研发提速 70%、97% 少造分子）
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
传统药物研发周期长、成本高、易失败，需在实验室内耗时数年合成测试数千分子；希望用计算模拟在虚拟环境迭代筛选最有前景分子。
概要
Schrödinger 用 BigQuery + Cloud GPUs + Compute Engine 在云端虚拟筛选分子，ML 从 80 亿候选收敛到 78 个顶级分子，大幅减少物理实验。
原文写明的事实
- FACTS：① 治疗药物开发速度加快 70%；② 实验室物理构建分子数减少 97%；③ 数据集从 2-3 亿分子扩至 80 亿分子起步（4000 倍）；④ 单次计算从数周缩至数小时；⑤ 准备人体测试时间从 2-3 年缩至 10 个月；⑥ ML 将 80 亿分子收敛至 78 个顶级候选；⑦ 产品：BigQuery、Cloud GPUs、Compute Engine。
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：中（不适合使用 WorkBuddy 复刻）