PFCC、深層学習モデルにより新物質開発や材料探索を高速化する汎用原子シミュレーター「Matlantis」を提供開始

株式会社Preferred Networks(以下、PFN)とENEOS株式会社の共同出資により2021年6月1日に設立された株式会社Preferred Computational Chemistry(以下、PFCC)は、新物質開発・材料探索を高速化する汎用原子レベルシミュレーター「Matlantis(マトランティス)」をクラウドサービスとして提供を開始した。

PFCCが提供する「Matlantis」は、原子スケールで材料の挙動を再現して大規模な材料探索を行うことのできる汎用原子レベルシミュレーターだ。

従来の物理シミュレーターに深層学習モデルを組み込むことで、計算スピードを従来の数万倍に高速化し、領域を限定しない様々な物質への適用が可能となった。

深層学習モデルの訓練には、PFNのスーパーコンピューターを使って物理シミュレーションした膨大な量の原子構造データを使用している。

「Matlantis」の主な特長

汎用性

未知の材料を含む、分子や結晶などの任意の原子の組み合わせにおいてシミュレーションが可能。現在は55の元素をサポート、今後拡大予定。

高速性

従来のDFT(Density Functional Theory:密度汎関数法)では数時間~数カ月かかった原子レベルの物理シミュレーションが、数秒単位で実施することができる。

使いやすさ

「学習済み深層学習モデル」「物性計算ライブラリ」「高性能な計算環境」をパッケージにして提供することで、ユーザーはハードウェアの準備や環境構築をすることなくブラウザ上でシミュレーションによる材料探索が可能。