ReAIX Chem
原料藥 · 小分子
針對 API 合成最佳化反應條件，並排序下一批建議實驗。
- 溶劑、觸媒與配體選擇
- 溫度與化學計量最佳化
- 產率與不純物最佳化
- 製程安全與風險評估
- 生產成本（COGS）評估
獲選頂尖計畫
計畫成員
AppWorks #33
首屆
第四期
挑戰
製程開發仍高度依賴試誤
要找到對的條件，得在數百萬種組合中搜尋；而實驗室找到的答案，放大後常常不再適用。每一次實驗都要花時間、物料與 API。
106+
條件空間龐大
溶劑、觸媒、配體、溫度與加料方式組合成數百萬種選擇，只靠實驗只能抽樣其中極小部分。
mg → kg
放大後參數跑掉
混合、傳熱與質傳會隨反應器放大而改變，實驗室找到的最佳條件，到了中試或量產就偏移。
kg / run
放大規模無法再做實驗
每一批中試或量產都耗費公斤級的物料與 API，團隊負擔不起在放大規模重新找參數，只能依靠經驗法則。
f(x) = ?
先射箭，再畫靶
現今常以 DoE 做大量實驗，只為擬合事先選定的動力學方程式。擬合出的模型只解釋擬合用的數據，換一個製程又得從頭再來。
ReAIX 改變順序。它學習各類藥物（從小分子到大分子）的物理化學特性、製程數據與製程科學家的思考方式，因此能套用到不同製程；放大則以第一性原理模擬數據訓練，不必每次重跑模擬就能預測。了解我們的方法 →
ReAIX
三個平台，涵蓋原料藥與製劑開發
從原料藥怎麼製造，到如何變成穩定的製劑。ReAIX Chem 與 ReAIX Bio 最佳化小分子與生物製劑的原料藥製程；ReAIX Formulation 負責製劑開發。
ReAIX Bio
原料藥 · 生物製劑
從抗體可開發性與序列，到上游製程開發與放大，並以 AI 模型取代耗時的模擬。
- 抗體可開發性篩選與評估
- 抗體序列最佳化
- 以 AI 預測加速上游製程開發
- AI 代理引導的放大參數最佳化
- 以物理資訊 AI 進行 CFD 分析
ReAIX Formulation
製劑 · 配方開發
在實驗前預測 API 與賦形劑相容性及配方穩定性，目前以小分子製劑為主。
- API 與賦形劑相容性篩選
- 穩定性預測
- 藥物動力學（PK）預測模型（開發中）
- 加速製劑開發
- AI 輔助文獻與數據整理
合作夥伴
與產業及學術夥伴攜手合作
最新消息
新聞與活動
Vernus AI 執行長林彥竹博士受邀於 2026 SBIC 開幕典禮發表主題演講
創辦人暨執行長林彥竹博士將於 10 月 29 日在城南生技健康國際大會開幕典禮發表主題演講，分享如何把 AI 藥物開發推向全球生技健康商業。
閱讀全文 →
Vernus AI 獲選第四期 Google Gemini Startup Forum，成為台灣三家獲選新創之一
從全球逾 2,000 份申請中入選，成為台灣三家獲選新創之一，將赴 Mountain View 與 Google DeepMind、Google Cloud 專家交流。
閱讀全文 →
Vernus AI 睿泉生技即將亮相 CPHI Milan 2026
10 月 6–8 日於米蘭 Fiera Milano，歡迎至 8F61（AI & Tech Zone）與 8F2（台灣製藥館）展位，現場體驗 ReAIX Chem、Bio 與 Formulation。
閱讀全文 →