2025 MRS Fall Meeting & Exhibit発表および出展のお知らせ

Matlantis株式会社は2025年11月30日～12月5日（アメリカ東部標準時）に開催される「2025 MRS Fall Meeting & Exhibit」に出展いたします。MatlantisからはAPACカスタマーサクセスチームリーダーの名児耶が口頭発表を行う他、ブース出展もいたします。またこの他にも社外の組織からMatlantisに関連して発表がございます。内容は以下ご参照ください。

ブース出展情報

展示期間 : 2025年12月2日～12月4日（アメリカ東部標準時）
開催場所 : Exhibit Hall C, Level 2 at the Hynes Convention Center
ブース : 602

プレゼンテーション詳細

発表タイトル: Atomistic Simulations of Metals and Alloys Using Universal Graph Neural Network Interatomic Potentials

日時: 2025年12月3日 11:30 AM – 11:45 AM（アメリカ東部標準時）
部門: MT04.06 Metals and Alloys I
ルーム: Hynes‚ Level 3‚ Room 312
セッションタイプ: 口頭
発表者: Akihiro Nagoya
著者: Akihiro Nagoya, Taku Watanabe
概要: Atomistic simulations are essential for the research and development of metallic materials, providing atomic-level insights into interfaces, defects, and complex microstructures to support alloy design and process optimization. While Molecular Dynamics (MD) is widely used, classical force fields lack the necessary accuracy and transferability for chemically complex or non-equilibrium systems, and high-accuracy Density Functional Theory (DFT) is computationally prohibitive for large-scale MD simulations.

Machine learning interatomic potentials (MLIPs) have emerged as a powerful method offering near-DFT accuracy at a drastically reduced computational cost. The PreFerred Potential (PFP) is a graph neural network-based MLIP trained on a huge DFT dataset. Owing to its universality and robustness, PFP has been applied to various systems, including semiconductors, battery materials, catalysts, metal–organic frameworks, and metals and alloys. To enhance its efficiency, we recently developed LightPFP, a moment tensor potential trained on the PFP dataset. LightPFP is ten times faster than the original PFP, striking an optimal balance between accuracy and speed, which makes it ideal for large-scale Molecular Dynamics (MD) simulations of metallic systems.

In this study, we validated the accuracy of PFP by calculating thermodynamic properties of several simple metals, showing good agreement with DFT results reported in the literature. Then, we demonstrate the applicability of both PFP and LightPFP to MD simulations of mechanical and interfacial phenomena. These results highlight the universality and robustness of our MLIPs, establishing them as powerful tools for accelerating metals and alloys developments.

名児耶 彰洋
Matlantis株式会社 APACカスタマーサクセスチームリーダー。
大阪大学を卒業後に株式会社豊田中央研究所の研究員として勤務。太陽電池材料、燃料電池白金触媒、二次元材料の第一原理計算や高分子の古典MD計算を使用したMIなどの研究に約15年間従事した。その後、ENEOS株式会社の中央技術研究所を経てMatlantisに入社。現在は主に電池材料や金属材料に関わる計算に携わっている。

Matlantisに関する社外の講演

2025年12月1日

発表タイトル: How Reliable Are Machine Learning Potentials? An Assessment of Uncertainty Estimation Methods in LightPFP
日時: 2025年12月1日 11:45 AM – 12:00 PM（アメリカ東部標準時）
部門: MT04.01 Machine Learning Potentials I
ルーム: Hynes‚ Level 3‚ Room 312
セッションタイプ: 口頭
発表者: Nontawat Charoenphakdee
著者: Nontawat Charoenphakdee, Wenwen Li, Yuta Tsuboi, Junichi Ishida, Ju Li
組織: Preferred Networks, inc., Matlantis Corporation, Massachusetts Institute of Technology

2025年12月2日

発表タイトル: LLM Agent System for Autonomous Generation of 3D Atomic Structures from Textual Descriptions
日時: 2025年12月2日 15:30 PM – 15:45 PM（アメリカ東部標準時）
部門: MT06.04 Generative AI Meets Materials Modeling—Emerging Opportunities and Challenges IVI
ルーム: Hynes‚ Level 3‚ Room 309
セッションタイプ: 口頭
発表者: Iori Kurata
著者: Iori Kurata, Ryohto Sawada, Terumasa Shimada, Yuki Orimo, Hodaka Mori
組織: Preferred Networks, Inc., ENEOS Holdings, Inc.

発表タイトル: Development of r2SCAN Level Universal Neural Network Potential and Its Applications
日時: 2025年12月2日 19:00 PM – 21:00 PM（アメリカ東部標準時）
部門: MT04.05 Poster Session I: Integrating Machine Learning and Simulations for Materials Modeling I
ルーム: Hynes‚ Level 1‚ Hall A
セッションタイプ: ポスター
発表者: So Takamoto
著者: So Takamoto, Chikashi Shinagawa, Daiki Shintani, Katsuhiko Nishimra, Kohei Shinohara, Shigeru Iwase, Ju Li
組織: Preferred Networks, Inc., Massachusetts Institute of Technology

2025年12月4日

発表タイトル: Enhancing Crystal Structure Prediction with r2SCAN-Level Universal Neural Network Potentials
日時: 2025年12月4日 19:00 PM – 21:00 PM（アメリカ東部標準時）
部門: MT03.09 Poster Session: Accelerated Materials Discovery Through Data-Driven AI and Automation
ルーム: Hynes‚ Level 1‚ Hall A
セッションタイプ: ポスター
発表者: Kohei Shinohara
著者: Kohei Shinohara, Hideaki Imamura, Katsuhiko Nishimra, Shuhei Watanabe, Kaoru Hisama, Chikashi Shinagawa, So Takamoto, Ju Li
組織: Preferred Networks, Inc., Massachusetts Institute of Technology

学会公式情報はこちら (外部サイト) >> 2025 MRS Fall Meeting & Exhibit