Preferred Networks×ENEOS（Preferred Computational Chemistry）はAIや機械学習を駆使して、材料科学や化学分野の研究開発を支援する企業です。材料科学と計算技術を融合させ、新たな価値を生み出す取り組みを紹介します。
Preferred Computational Chemistry（PFCC）は、材料開発を革新するために、マテリアルズ・インフォマティクス（MI）を積極的に活用しています。2021年にPreferred Networks（PFN）とENEOSの合弁会社として設立されました。MIは、材料科学とデータ科学を融合させた技術で、大量のデータを解析し、AIを用いて最適な材料や特性を予測します。PFCCはこの技術を用いて、従来の試行錯誤に頼る材料開発プロセスを効率化しています。
PFCCはAIと深層学習を組み合わせ、材料の特性や挙動を高精度で予測する「Matlantis™」を提供しています。このツールにより、従来の方法では時間とコストがかかる複雑な化学反応や材料の特性評価を高速に行える点が特徴です。Matlantis™は、材料開発の初期段階で有望な候補を迅速に見つけ出し、研究者やエンジニアが短期間で成果を得られるようサポートします。PFCCは、マテリアルズ・インフォマティクスを通じて持続可能な未来に向けた材料の発見と開発に貢献しています。
Matlantis™は、Preferred NetworksとENEOSが開発した深層学習を活用した汎用的な原子レベルのシミュレーションツールです。
特徴は、広範囲な元素や構造を高速でシミュレーションできる点。従来の計算手法に比べ、数千倍のスピードで計算を行い、瞬時に結果を得られるため、試行錯誤を繰り返しながら最適な材料を見つけるのに適しています。
材料特性の解明や新素材開発の分野で役立ち、実験を支援するツールとして活用されています。研究者はこのシミュレーションを利用して、複雑な分子の特性を事前に評価し、新しい材料を開発することが可能です。従来は時間がかかる計算もMatlantis™なら短期間で完了するため、開発プロセスの効率化にもつながります。
Matlantis™はブラウザ上で簡単にシミュレーションを開始できるため、特別なハードウェアの準備が不要。この使いやすさにより、専門的な知識を持たないユーザーでも利用可能です。
Matlantis™は、化学、材料、エネルギーなどさまざまな業界での応用が期待され、実験とシミュレーションを組み合わせた研究開発に役立つツールとして広く活用されています。
ENEOSは、アンモニア合成触媒の開発において、バーチャル探索技術を活用しています。この技術は、化学シミュレーションを用いて触媒表面での反応エネルギーを解析し、機械学習とAIを駆使して従来よりも効率的に高機能な触媒を設計するものです。
実際の実験を行わずに複数の触媒候補を見出すことができ、研究開発スピードの大幅な向上が期待できます。
この技術の革新性は、シミュレーションとAIの融合により、最適な材料を効率的に見つけ出せる点にあります。従来の触媒設計には膨大な実験が必要でしたが、バーチャルな環境で短期間に複数の候補を評価できるようになりました。2,000種類以上の合金をバーチャルスクリーニングすることで効率的な触媒を見出します。結果をもとに実際の実験を行うことで、より精度の高い触媒開発が可能です。
この技術は、単に開発を効率化するだけでなく、環境負荷を抑え、将来的なエネルギー問題の解決にも寄与すると考えられています。
参照元：Preferred Networks×ENEOS公式HP https://www.eneos-rd.com/research/digital/mi.html
潤滑油やグリースの設計においても、機械学習やAIを活用しています。物性や性能を予測することで、より効率的な製品開発が可能です。
従来の潤滑油やグリースの開発は、膨大な実験を通じて適切な成分や配合を見つけ出す必要がありました。しかし、データを基にしたシミュレーション技術を活用することで、製品の性能を仮想的に予測し、より適した配合を素早く見つけることが可能です。
ENEOSは潤滑油の粘度や温度特性を予測するために、過去の膨大な実験データとAIモデルを組み合わせています。これにより、特定の用途により適した潤滑油を選定したり、新たな配合を短期間で提案することが可能。このアプローチは、新たな成分の発見や、これまでにない性能を持つ潤滑油の開発にも役立つと考えられています。
デジタル技術の導入により、ENEOSは顧客のニーズに応じた製品をより迅速に提供。さらに、シミュレーションにより実験の回数を減らすことで、開発コストの削減や環境負荷の軽減にも貢献しています。
参照元：Preferred Networks×ENEOS公式HP https://www.eneos-rd.com/research/digital/mi.html
タイヤ用ゴム材料の開発において、Multi-Scale Simulation（多階層シミュレーション）とAIを組み合わせた手法を活用しています。この技術は、分子レベルからマクロな材料特性までの幅広いスケールでシミュレーションを行い、材料の特性を予測するものです。これにより、ゴム材料の性能を事前に評価し、適切な配合を導き出すことができます。
分子シミュレーションを用いてゴムの構造や特性を分析し、その結果をAIモデルに取り込むことで、実際の物性に近いデータを生成。これにより、タイヤの摩耗特性やグリップ性能などを高精度で予測し、実験の回数を減らしながらも信頼性の高いゴム材料を開発できます。
このシミュレーション技術は、さまざまな条件下でのゴム材料の挙動を予測できるため、異なる気候や路面条件に適した材料開発にも役立っています。寒冷地での耐久性や湿潤路面でのグリップ力を向上させるための材料設計が可能です。
参照元：Preferred Networks×ENEOS公式HP https://www.eneos-rd.com/research/digital/mi.html
花王株式会社は、Matlantisを導入し、商品開発プロセスの革新を図っています。特に触媒開発においては、従来の数万倍の速度でシミュレーションが可能となり、新しい触媒候補の探索や開発期間の大幅な短縮を実現。技術の活用により、研究開発の効率が飛躍的に向上し、今後は洗剤や化粧品など他の分野でもさらなる応用が期待されています。Matlantisは、革新的な計算化学技術で、製品開発のスピードと効率を劇的に向上させるツールです。
参照元：Preferred Networks×ENEOS公式HP https://www.preferred.jp/ja/news/pr20210706/
MIベンダーの中には、専門領域を持つ企業があります。各ベンダーが保有するデータの質と量は解析精度に大きく影響し、研究開発のスピード向上やコスト削減につながります。そのため専門領域で強みを持つベンダーのMIを選ぶことが重要です。
このサイトでは、専門領域を持ち、高精度な解析を実現できるMIベンダーをご紹介しています。
専門領域を持っているMIベンダーを厳選しました。
自社の研究対象に近しい領域を専門としているMIベンダーの方が、
コミュニケーションにズレがなく、知見や実績も豊富な可能性があります。
化学・素材分野で数多くの開発を成功に導いた実績があります。
日立グループ全体の強みを活かして材料開発を総合的に支援できることから、早期の市場参入を可能にします。
富士通では、創薬に特化したプラットフォームを用意。特許読解、法規制物質チェックにも一貫して対応可能。
特定の材料開発プロセスではなく、創薬研究プロセス全体のDXが叶う点も魅力です。
新しいエネルギー材料の特性を正確に予測する「Mat3ra」(旧Exabyte.io)プラットフォームを提供。
新しいバッテリー材料や軽量合金の開発をスピーディーに進められることが可能です。