面向现实世界系统的量化 AI
SandboxAQ 将大型量化模型描述为结合 AI 与量子技术的模型,可生成与物理学、化学和生物学相关的量化输出,而不是不受约束的文本生成。
SandboxAQ 是一家专注于高风险科学与技术工作的企业级软件公司,致力于量化 AI。其网站将这项技术描述为大型量化模型(LQM),通过结合 AI 与先进计算,解决药物发现、材料发现、网络安全、导航和金融等领域的问题。
产品页面将这些模型定位为支持现实世界决策的工具,其输出需要反映物理学、化学和生物学规律。SandboxAQ 表示,LQM 并非要取代现有工作流程,而是可以通过 MCP 连接到现有的聊天 LLM 或云环境,也可以部署在客户自己的运营环境中,或通过前沿合作开展长期联合开发。
SandboxAQ 将大型量化模型描述为结合 AI 与量子技术的模型,可生成与物理学、化学和生物学相关的量化输出,而不是不受约束的文本生成。
首页围绕 LQM 模块和基于物理学的模拟介绍产品,旨在帮助团队从明确的问题推进到可测量的结果。
药物发现资料介绍了结合亲和力预测、生成式分子设计、AQAffinity、AQState、AQPotency 和 AQCell 等专业化工作流程。
材料发现页面介绍了催化剂、电池、PFAS 及其他化学工作流程,包括 AQCat 吸附与自旋模型以及 AQVolt 电池建模。
SandboxAQ 提供三种合作模式:通过 MCP 使用支持 LQM 的 LLM、在客户环境中进行企业许可部署,以及通过共担风险的合作开展前沿合作。
资料强调可直接在现有聊天 LLM 或云环境中使用,也支持部署在客户自己的运营环境中,以处理专有数据并实现可扩展推理。
发现团队可以使用 SandboxAQ 探索更多分子、优化候选分子列表,并在研发流程早期支持继续推进或终止项目的决策。药物发现页面特别提到结合亲和力预测、GPCR 虚拟筛选和基于模块的工作流程。
材料研究人员可以将该平台应用于电池、催化剂、PFAS 替代品及其他以化学为核心的项目,在这些场景中,模拟与筛选有助于减轻实验和计算负担。
已经依赖聊天 LLM 的组织可以通过 MCP 连接 SandboxAQ 的 LQM,在现有界面中提出科学问题,而无需全面替换基础设施。
拥有专有数据的企业团队可以许可模型,将其部署在自己的运营环境中,并根据内部项目对模块进行调优。
开展长期科学项目的跨职能研发团队可以通过前沿合作与 SandboxAQ 合作,共同开发新的知识产权。
SandboxAQ 将其 LQM 定位为适合需要基于现实世界模型的量化输出,而非开放式文本生成的团队。资料重点提到药物发现、材料发现、金融、导航和网络安全,这些是其预计能够创造价值的主要领域。
对于药物发现,网站介绍了三种方式:使用支持 LQM 的 LLM、企业许可部署或参与前沿合作。对于材料发现,网站介绍了相同的三种路径,并指出支持通过基于 MCP 的集成实现支持 LLM 的工作流程。
在药物发现和材料发现页面中,SandboxAQ 强调云规模分子模拟、专业化模块,以及在企业许可模式下基于专有数据进行微调。网站还介绍了在支持的情况下,通过模型上下文协议将其 LQM 连接到现有聊天 LLM 或云环境。
资料未提供公开定价。定价 URL 返回未找到页面,因此有兴趣的团队可能需要直接联系 SandboxAQ 或申请演示,以了解更多信息。
SandboxAQ 将其业务定位为面向物理和化学系统的量化 AI。现有页面重点介绍发现工作流程中的模拟、预测和决策支持,而不是通用聊天机器人用途。
流量数据仅供参考。