1000万倍高速の汎用原子レベルシミュレーターをPFNとENEOSが開発、SaaSで提供へ研究開発の最前線(1/3 ページ)

Preferred Networks(PFN)とENEOSが、新物質開発や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)」を開発。両社が共同出資で設立した「株式会社Preferred Computational Chemistry(以下、PFCC)」を通じて、SaaSによる提供を始めた。

» 2021年07月07日 06時30分 公開
[朴尚洙MONOist]

 Preferred Networks(以下、PFN)とENEOSは2021年7月6日、オンラインで会見を開き、新物質開発や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)」を開発し、同年6月1日に両社が共同出資で設立した「株式会社Preferred Computational Chemistry(以下、PFCC)」を通じての提供を始めたと発表した。主に、企業の研究開発部門や、大学・研究機関を対象に事業を展開していく方針。価格は、顧客ごとの見積もりとなるため非公開としているが、契約を検討している顧客向けに、一時的な無料利用期間の設定や価格を抑えた検証版を提供するなどして、積極的に情報提供していく考えだ。

「Matlantis」の画面 「Matlantis」の画面。WebブラウザからアクセスするSaaSで提供される(クリックで拡大) 出典:PFN

 Matlantisは「汎用性」「高速性」「使いやすさ」という3つの特徴がある。1つ目の「汎用性」では、サポートする55元素の任意の組み合わせについてシミュレーションが可能な点などを挙げる。2つ目の「高速性」では、従来の原子レベルシミュレーターと比べて10万〜1000万倍高速の計算速度を実現した。3つ目の「使いやすさ」を代表するのが、Webブラウザベースで利用するSaaSである点で、ハードウェアの準備や環境構築は不要だ。

「Matlantis」の3つの特徴 「Matlantis」の3つの特徴(クリックで拡大) 出典:PFN

 Matlantisを提供するPFCCは、PFNが51%、ENEOSが49%出資しており、代表取締役社長には、PFN 代表取締役 COOを務める岡野原大輔氏が就任する。本社も所在地も、PFNと同じ大手町ビル内に置く。

膨大なデータセットの作成に自社インフラのスパコンを活用

PFCCの社長に就任した岡野原大輔氏 PFCCの社長に就任した岡野原大輔氏

 PFNは、2017年に化学・生物学分野向け深層学習ライブラリ「Chainer Chemistry」を発表してから、材料開発分野でのAI(人工知能)活用、特にニューラルネットワークを使った深層学習をどのように活用できるかを検討してきた。また、2019年に資本・事業提携を行ったENEOSとの間でもAIを使った材料開発に取り組んできた。

 岡野原氏は「ENEOSでは石油精製の効率化や革新的な再生エネルギーの実現に向けて、さまざまな材料や触媒を日々開発している。触媒の開発では、材料の表面状態を解析したり反応の様子を捉えたりなど、物性や現象の深い理解が不可欠だ。そうした現場の切実な課題を解決すべく、PFNのエンジニアやリサーチャーが検討した結果、今回のMatlantisの開発に至った」と語る。

PFNの材料開発分野における取り組み PFNの材料開発分野における取り組み(クリックで拡大) 出典:PFN

 MatlantisではAIとシミュレーションを組み合わせているが、その手法としては「シミュレーターによるAIの強化」と「AIによるシミュレーターの強化」という2つの方向性がある。Matlantisは「AIによるシミュレーターの強化」であり、既存のシミュレーターの結果を学習データとして用いたニューラルネットワークを構築し、シミュレーション結果を入力から予測できるようにした。「このニューラルネットワークは、似た入力から間の値を推定する能力(内挿能力)が非常に高く、シミュレーション結果を高速に予測できる」(岡野原氏)という。

 汎用原子レベルシミュレーターとしてのMatlantisの高い性能を実現する上で重要な役割を果たしたのが、PFNが有するスーパーコンピュータのインフラである。岡野原氏は「汎用性の高いシミュレーターを開発するには膨大な量のデータセットを作成する必要がある。1台のGPUだと10万日(約273年)の計算時間がかかるこの処理を、PFNのスーパーコンピュータで実行した。これは、他分野のAI開発事例と比較しても、類を見ない規模の取り組みになった」と強調する。

PFNのスーパーコンピュータで膨大な量のデータセットを作成 PFNのスーパーコンピュータで膨大な量のデータセットを作成。図内右下にあるように、NVIDIAのGPUベースの「MN-2」を用いたようだ(クリックで拡大) 出典:PFN

 なお、Matlantisにおける原子の振る舞い表現を行うニューラルネットワークモデルとしては、グラフ構造を活用したNeural Network Potentialを用いている。単一のモデルで55元素の任意の組み合わせを実現できている点もMatlantisの特徴になる。

「Matlantis」は55元素の任意の組み合わせを単一のニューラルネットワークモデルで再現している 「Matlantis」は55元素の任意の組み合わせを単一のニューラルネットワークモデルで再現している(クリックで拡大) 出典:PFN
       1|2|3 次のページへ

Copyright © ITmedia, Inc. All Rights Reserved.