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。
この製品へのお問い合わせ
基本情報
MPNICE（Message Passing Network with Iterative Charge Equilibration） ・原子の部分電荷や長距離相互作用を取り入れながら、同等精度のモデルよりも1桁高速な計算を実現する、メッセージパッシング型機械学習力場（MLFF）アーキテクチャ ・産業界のニーズに対応するために、有機材料、無機材料、そして有機・無機ハイブリッド材料に対する汎用モデルとして活用されています。 ※詳しくは、お気軽にお問い合わせ下さい。
価格情報
※詳しくは、お気軽にお問い合わせ下さい。
納期
用途／実績例
※詳しくはお気軽にお問い合わせ下さい。
カタログ（5）
カタログをまとめてダウンロード
企業情報
シュレーディンガー株式会社は、アメリカ・ニューヨークに本社を置く、Schrödinger Inc. の日本法人です。Schrödingerは、マテリアルズ・サイエンスとライフ・サイエンス分野を中心に、化学とコンピュータ・サイエンスの先進技術を融合させたソフトウエアの開発に約30年の歴史を持ち、創薬、バイオロジクス、材料研究開発に高度なソリューションを提供します。
