有機および無機系向け機械学習力場【資料進呈】
DFT級精度のメッセージパッシング型機械学習力場が、有機・無機・ハイブリッド材料シミュレーションを高精度に加速。
機械学習力場は、「機械学習原子間ポテンシャル」とも呼ばれ、多様な化学系に対するコスト効率の高い原子レベルのシミュレーションを実現するための重要なツールとして登場しており、しばしば密度汎関数理論（DFT）に匹敵する精度を、はるかに低い計算コストで達成しています。 近年のメッセージパッシングネットワークの進歩により、従来のMLFFが抱えていた「対応できる元素の種類に制限がある」という課題が克服されました。さらに、電荷平衡法を用いた原子電荷および静電相互作用の導入により、複数の電荷状態、イオン系、電子応答特性の精密な再現が可能となり、長距離相互作用を明示的に考慮することで、さらに高い精度を実現しています。 当社のMLFFアーキテクチャ「MPNICE」は、正確な電荷表現のために明示的な静電気を組み込んでいます。周期表全体（89元素）を網羅する材料を対象に学習させた事前学習済みモデル群も提供しています。 MPNICEは高いスループット性能を重視しており、従来の手法では実現困難だった長時間・大規模な原子レベルのシミュレーションを、高精度を維持しながら可能にします。
- 企業：シュレーディンガー株式会社
- 価格：応相談
