高い汎用性と精度を備えた独自のNNP
『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が可能な汎用原子レベルシミュレータです。 汎用性を維持したまま計算コストを大幅に削減することで、現実に近い 複雑な系を、大量かつ高速に計算することが可能です。 ご要望の際はお気軽に、お問い合わせください。 【特長】 ■幅広い元素・構造に対応 ■従来手法の10,000倍以上高速 ■ブラウザを立ち上げればシミュレーションを開始できる ※詳しくはPDFをダウンロードしていただくか、お問い合わせください。
この製品へのお問い合わせ
基本情報
【こんな方におすすめ】 ■DFT（Density Functional Theory：密度汎関数理論）や、DFTB（Density Functional based Tight Binding）法等での計算時間や計算リソースの 制約に悩まされている方 ■MD（Molecular Dynamics：分子動力学法）を活用しているが、 良い原子間ポテンシャルがなく困っている方 ■実験結果をシミュレーションで追従し、理論的な考察を行いながら 研究を進めたい方 ■研究開発部門のDXに取り組み、社内でのシミュレーション活用促進を 目指している方 ※詳しくはPDFをダウンロードしていただくか、お問い合わせください。
価格帯
納期
用途／実績例
【計算事例】 ■TMA-OSA系：シリコン酸化膜表面を模した系でのTMAの反応解析 ■電池：マグネシウムイオン導電性酸化物の分子動力学計算 ■電池：ガーネット型酸化物材料のリチウムイオン導電性評価 ■触媒：コバルト触媒におけるCO解離反応の活性化エネルギー ■吸着剤：MOF-74NiにおけるH2O分子の吸着と拡散挙動 ■潤滑油：逆非平衡分子動力学シミュレーションによる液体粘度の予測 ■電池：硫化物固体電解質中のLi拡散 ※詳しくはPDFをダウンロードしていただくか、お問い合わせください。
カタログ（1）
カタログをまとめてダウンロード
企業情報
当社は、革新的な材料・素材の創出を可能にすることで、持続可能な世界を 実現することをミッションに掲げている会社です。 そのために、Preferred Networksの深層学習などのAI技術と計算機インフラ、 そしてENEOSの化学領域の知識やノウハウの粋を集めてサービスを開発しています。 材料開発に携わる世界中の研究者が、世界の未来を良い方向に変えられる 革新的な材料を発見できるよう、強力なツールの提供を通して支援してまいります。 ご要望の際はお気軽に、お問い合わせください。
