Matlantis™のコア技術と仕組み
高い汎用性と精度を備えた、
独自のNNP（Neural Network Potential）
Matlantisは従来の原子シミュレータに深層学習モデルを組み込んだNeural Network Potential（NNP）に基づいて、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です。
物理に基づく従来の汎用的な原子シミュレーションでは、材料の電子状態を解くという非常にコストのかかる計算を通して挙動を計算する必要があります。一方でMatlantisは、強力な表現力および汎化性能をもたらす深層学習技術を使って原子の挙動を再現するために必要なエネルギーや力を直接学習することで、電子状態の計算を回避しています。
これによって汎用性を維持したまま計算コストを大幅に削減し、現実に近い複雑な系を、大量かつ高速に計算することができます。
原子スケールの挙動を、電子状態を求めることなく直接計算する手法はすでに存在します。しかし、その支配方程式の真の形状は複雑で、高いレベルでの汎用性と精度の両立は長年の課題となっていました。
Matlantisは、Preferred Networks（PFN）が独自に開発したNeural Network（NN）アーキテクチャに、PFNが保有する大規模な計算機クラスターを活用し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学習させることで、72元素の任意の組み合わせの原子構造を高い精度で再現することが可能です。
PFN保有の計算機クラスター
MatlantisはDFTによる
計算結果を精度高く再現
Matlantisの3つの特長
革新的なマテリアルの創出に貢献し、持続可能な世界を実現するために「Matlantis」は生まれました。
汎用性/ Versatile
現在96種の元素に対応しております。これは自然界に存在するすべての元素を含むため、ユーザーは元素種の制約をほとんど受けることがありません。これらの元素種について、未知の材料を含む分子や結晶など任意の原子の組み合わせに対してシミュレーションすることが可能です。
高速 / High Speed
DFT（Density Functional Theory：密度汎関数法）では、高性能なコンピュータを用いて数時間～数カ月かかった原子レベルの物理シミュレーションを、数秒単位で行うことができます。
使いやすさ / Easy to Use
シミュレーションを開始できます
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することで、ハードウェアの準備や環境構築をすることなく、シミュレーションによる材料探索が可能です。また、従来の機械学習ポテンシャルとは異なり、ユーザーによるデータ収集や学習が不要です。
物性計算ライブラリ
お客様にてプログラミングすることで、NNPの出力（エネルギー・力）から、物性計算ライブラリを用いずに他の物性・現象も計算いただけます。- 有機分子の振動解析
- 振動モード・振動数IRスペクトル
- 弾性定数
- 弾性定数ヤング率体積弾性率ポアソン比
- フォノン分散と固体の熱物性
- フォノン分散ヘルムホルツエネルギー比熱
- 動力学計算
- 粘性係数拡散係数比熱熱伝導率
- 反応経路解析
- Nudged elastic band法（NEB）
Calculation計算事例
一覧へ
Matlantisのはじめ方
STEP01
STEP02
Jupyter Notebookを立ち上げ、Pythonでシミュレーションを行う内容を記載していきます。Matlantisには、第一原理計算や分子動力学法などの様々なパッケージをPythonによって統一的に操作するためのできる環境が用意されています。Matlantis独自の物性計算ライブラリや、sample notebookも用意されており、すぐに研究を始めることができます。
STEP03
Jupyter Notebookで記載した内容を実行します。構造最適化計算であれば数秒で完了します。
STEP04
計算結果を可視化したり、Jupyter Notebook上で更なる分析を行うことも可能です。<
IntroductionMatlantisを導入してみる
お問い合わせ・ご相談はこちらFAQよくある質問
PFCCはどのような会社ですか？どのような事業を行っていますか？
A. Preferred Computational Chemistry Inc. (PFCC)は汎用原子レベルシミュレータMatlantisの販売とサポートをしており、2021年にPreferred NetworksとENEOSの合弁会社として設立されました。「革新的なマテリアルの創出に貢献し、持続可能な世界を実現する」ことをミッションとしています。
カテゴリー： #会社概要 #経歴
Matlantisとは何ですか？
Matlantisは、機械学習ポテンシャルであるPreferred Potential (PFP)を利用した高速な汎用原子レベルシミュレータで、最大72元素を扱うことができます。
カテゴリー: #力場 #製品 #サービス
材料開発のシミュレーションにMatlantisを利用するには、どのようなデータ準備が必要ですか？
Matlantisは事前学習済みの汎用的なポテンシャルを提供しています。ユーザーが教師データを収集したり、機械学習モデルを構築したりする必要はありません。
カテゴリー: #力場 #データ
Matlantisではどのように原子間ポテンシャルを選択しますか？何種類のポテンシャルが利用可能ですか？
Matlantisは様々な系に適用できる汎用的なポテンシャル(PFP)を提供しており、ユーザーによるポテンシャルの選択は不要です。また、計算モードの選択により、計算条件の詳細な調整と、シミュレーション精度を向上させることが可能です。計算モードの詳細は以下をご参照ください。：
– MOLECULE: 分子（非周期）系 – CRYSTAL: ハバードU補正を用いた結晶（周期）系
– CRYSTAL_PLUS_D3：ハバードU補正＋DFT-D3分散補正を用いた結晶（周期）系
– CRYSTAL_U0：ハバードU補正なしの結晶（周期）系
– CRYSTAL_U0_PLUS_D3：ハバードU補正なしの結晶（周期）系＋DFT-D3分散補正
カテゴリー: #力場 #精度 #キャパシティ
トレーニングデータのDFT計算にはどのような関数を使用していますか？
周期系の場合、PAW擬ポテンシャルを用いたPBE関数を採用しています。非周期系の場合、ωB97xd汎関数と6-31G(d)基底セットを用いたDFT計算によりデータが構築されています。
カテゴリー: #力場 #データ #モデリング
Matlantisの計算精度はどのぐらいですか？また、PFP(Preferred Potential)の精度検証結果はどこで見ることができますか？
Matlantisの平均絶対誤差(MAE)はランダムデータで0.03eV/atom、バルクデータで0.01eV/atomです。検証の詳細については、最新のベンチマーク結果をご参照ください： PFP v5 Validation 過去の検証結果： PFP v4 Validation
カテゴリー: #力場 #精度
Matlantisが計算で扱える最大原子数はいくつですか？
Matlantisは、計算要件にもよりますが、通常数千から1万個の原子を扱うことができます。例えばSiO₂結晶の場合、16,000原子まで計算できます。
カテゴリー: #力場 #キャパシティ #システム
Matlantisは樹脂やポリマーの研究に応用できますか？
Matlantisは精度と汎用性を活かしてモノマーの反応性やポリマーの部分構造をシミュレーションすることができます。また、Matlantisは有機と無機の両方の原子を含む系に対応しています。
カテゴリー: #応用
Matlantisを利用するためのハードウェアの要件は何ですか？
Matlantisのシミュレーションはクラウド上で実行されるため、ユーザーはテナントにアクセスするためのハードウェアの要件はありません。GoogleアカウントまたはAzure ADアカウント認証があれば、標準的な端末（ノートパソコンなど）やネットワーク環境からアクセスできます。
カテゴリー: #アクセシビリティ #認証
Matlantisで使用できるGPUはいくつありますか？MatlantisのジョブでGPUアクセラレーションはどのように利用できますか？
GPUの利用可能数は、選択したプランによって異なります。各プランでは、お客様の様々なニーズを満たすのに十分な計算リソースが提供されています。投入したジョブはMatlantisのバッチ推論システムに基づき、GPUを効率的に利用して処理されます。
カテゴリー: #コンピューティングリソース #ハードウェア #GPU
Matlantisの教師データセットについて教えてください。
Matlantisのコア技術であるニューラルネットワークポテンシャルのPreFerred Potential (PFP)は、社内の計算リソースを活用して収集した膨大な量のデータにより構築されています。これらのデータセットは当社独自のものであり、詳細については発表済みの当社の論文をご参照ください：Towards universal neural network potential for material discovery applicable to arbitrary combination of 45 elements | Nature
カテゴリー: #力場 #データセット #モデリング
Matlantisはファンデルワールス相互作用をどのように扱っていますか？
MatlantisはGrimmeのDFT-D3エネルギー補正を用いてファンデルワールス力などの分散相互作用を扱っています。
カテゴリー: #力場 #機能 #性能
Hubbard-U補正はMatlantisで利用できますか？
はい、利用可能です。MatlantisはHubbard-U補正計算モードを提供しており、計算効率を維持しつつ、(semi-)localな交換相関関数の欠点を軽減しています。
カテゴリー: #力場 #機能 #性能
現在Matlantisの計算で使用されているカットオフ距離はどの程度ですか？
PFP v6.0.0のリリース以降、最大カットオフ距離は9オングストロームに拡大されましたが、カットオフは系の密度によって調整されます。
カテゴリー: #力場
Matlantisにはどのようなシミュレーション環境がありますか？
MatlantisでDFT計算はできますか？
いいえ、現在Matlantis上でDFT計算を行うことはできません。
カテゴリー: #DFT #互換性 #ソフトウェア
Matlantisはどのクラウドサービスプロバイダを利用していますか？Matlantisのクラウド環境におけるユーザーデータの安全性は保証されますか？
MatlantisはAWS、GCP、PFNのクラスターをクラウドサービスに利用しており、オンプレミスのソリューションと同等以上の安全なデータストレージを提供しています。サービス内のネットワーク通信や保存データはすべて暗号化されています。
カテゴリー: #セキュリティ #システム #ハードウェア #クラウド #オンプレミス
Matlantisはいくつの計算資源を持っていますか？
インスタンス名を公表することはできませんが、計算リソースのスペック詳細については、別途お打ち合わせにてご説明が可能です。
カテゴリー: #システム #ハードウェア
Matlantisの価格とライセンス情報はどのように入手できますか？従量課金オプションはありますか？
Matlantisの料金プランについては、営業担当までお問い合わせください。
カテゴリー: #システム #価格
Matlantisのチュートリアルやドキュメントはありますか？
Matlantisのチュートリアルは以下のリンクからアクセスできます： Atomistic Simulation Tutorial
カテゴリー: #システム #チュートリアル #サポート
PFCCやMatlantisユーザーが主催した過去のウェビナーやセミナーはどこで見ることができますか？
MatlantisのYouTubeアカウントとSpeaker Deckで過去のウェビナーをご覧いただけます。
カテゴリー: #システム #イベント #ウェビナー #セミナー
MatlantisのGUIはどのようになっていますか？
MatlantisではJupyter Lab上でPythonのコーディングにより各種計算の設定をしていただきます。
カテゴリー: #システム #ソフトウェア #GUI
Matlantis関連の出版物や研究事例はどこにありますか？
どの国・地域のユーザーがMatlantisにアクセスできますか？
現在のところ、Matlantisは北米、欧州、アジア太平洋地域の一部地域でご利用いただけます。 Matlantisが特定の地域で利用可能かどうかについては、弊社営業チームまでお問い合わせください。
カテゴリー: #システム #利用可能地域
Follow us
選択したエリアに移動します