农用化学品 分类下的供应商列表

FURTHResearch GmbH&Co.KG

FURTHRresearch-使研究中的数据处理简单、可靠、透明

数据处理对研究人员来说总是一场噩梦，尤其是当项目涉及多个设备或多个设计迭代时。此外，由于研究人员现在面临着更复杂的问题，没有时间纠结于数据。研究表明，研究人员通常将50%以上的研究时间用于处理数据和信息任务。如何系统地处理来自不同类型实验设备的大量未分类原始数据，而不损失用户定义的灵活性？电子实验室笔记本（ELN）无法计算和处理数据。实验室信息管理系统（LIMS）要么过于复杂，要么应用范围有限。

FURTHRmind是我们为这个问题提供的解决方案。研究人员能够在同一个地方记录、计算和处理所有实验数据，从而实现快速的数据可视化和轻松的比较。此外，在没有传统文件夹结构的情况下，所有数据都将立即存储和更新在FURTHRmind中，以确保所有成员随时都在同一页面上，而传统文件夹结构往往会在团队成员内部造成混乱，并随着项目的扩展而变得混乱。

SmartNanotubes技术有限公司

SmartNanotubes Technologies GmbH为大众市场开发了第一款微功率多通道气体探测器芯片。传感器元件包含微调的纳米材料，使芯片具有高灵敏度、节能、紧凑和低成本。它可以检测多种气体和挥发性有机化合物（VOC）。用例范围从环境和安全应用、家庭和工业安全到可穿戴设备和物联网生活方式产品。此外，多通道气体检测芯片可以很容易地集成到不同的电器中。

黄碳化硅控股有限公司

我们还大量生产黄色高纯度立方碳化硅（3C-SiC）。

在The Yellow SiC Group，我们开发了一种专利工艺，可以工业化生产高纯度（<1ppm杂质）3C SiC。这种材料有几种应用（例如用于功率半导体）。

DeepMatter集团股份有限公司

DeepMatter Group Plc是一家大数据和分析公司，它建立了一个平台——DigitalGlassware™，专注于实现化学的可重复性。它继续开发该软件，以在制药研究、精细化学品、科学出版物和教学等具有商业意义的领域提供新的优化化学品、材料和配方。DeepMatter处于化学数字化的最前沿，最终将实现自主合成引擎Chemputer™。

Phaseform有限公司

Phaseform是德国弗莱堡大学微系统工程系（IMTEK）微光学实验室的深度技术分支。

Phaseform基于创新的硬件组件和软件开发了下一代自适应光学系统。

我们的目标是为广泛的成像和光束整形应用提供可扩展且易于使用的解决方案。

INOPSYS

Inopsys为化学和制药行业提供移动和模块化的侧流现场解决方案，用于净化水或溶剂并回收有价值的成分。

化学。人工智能

成立于2018年，化学。AI是利用人工智能（AI）和大数据改变研发以塑造化学未来的技术领先公司之一。核心产品ChemAIRS通过多种合成策略提高了合成路线设计和预测的成功率。2021年，化学。AI还在上海建立了一个AIoT自动化实验室，将干式实验室和湿式实验室结合在一起，为行业提供更专业、更高效的化学合成服务。

Better Basics Laborbedarf GmbH

Better Basics Laborbedarf GmbH是德累斯顿莱布尼茨聚合物研究所的子公司，为实验室开发、制造和销售智能基础设备。生产、原型制作和批量生产都是通过3D打印进行的。创新产品受到各种工业产权的保护。Better Basics Laborbedarf彻底改变了实验室工作站的组织和基本实验室工作的开展方式，从而提高了工作场所的安全性和实验室工作人员的效率。Better Basics Laborbedarf的产品将被确立为每个实验室的标准设备。模拟实验室设备市场是一个十亿欧元的市场，持续强劲增长，利润率很高。管理团队拥有非常互补的技能，并得到经验丰富的团队和广泛的外部网络的支持。

SciFlow有限公司

SciFlow使研究人员在他们的核心活动之一：写作中更加紧密地联系在一起。我们的目标是让研究人员能够像坐在同一个办公室一样一起工作。

研究人员可以在SciFlow上撰写、审查，最重要的是发表他们的科学文本。

SciFlow使研究人员能够完全专注于写作。因此，它提供了研究人员编写文本所需的功能——不多也不少。

PANDA有限公司

我们的使命：

我们为生产员工提供了一个简单的工具，使他或她能够检测生产过程中每个模式识别的复杂相关性，实时监控关键影响，并立即提高生产本身的可处理性和质量。我们将这种硬件、软件和最新算法的融合称为“信号赋能技术”。这种最复杂技术的使用非常简单，推动了我们的想法向前发展

我们的故事：

这一切都始于2016年，当时汉堡赫尔穆特·施密特大学（HSU）的无监督泵地窖着火了。这个问题很快在“材料与生产研究所”（简称MRP）上出现，即是否可以通过适当的监测技术来预防。我们还想知道这些产品在哪里可以买到，以及他们将为此使用哪些数据科学方法。经过深入的研究，我们得出的结论是，以前可获得的产品不仅在技术上不令人满意，而且所有已知的人工智能方法都不适用于这种用例，而且每种所需的基础设施都过于庞大。