Matlantis Thông báo Nâng cấp Lớn Trình Mô phỏng Nguyên tử Phổ quát phục vụ Khám phá Vật liệu, và Khai trương Văn phòng Chuyên trách tại Mỹ

(SeaPRwire) –   Bộ dữ liệu đào tạo cho công nghệ AI cốt lõi của Matlantis hiện được phát triển bằng r²SCAN, giúp tăng gấp đôi độ chính xác trong các mô phỏng nguyên tử so với phiên bản trước

CAMBRIDGE, Mass., ngày 16 tháng 7 năm 2025 – , trung tâm Hoa Kỳ của bộ phận khám phá vật liệu thuộc công ty AI hàng đầu Nhật Bản Preferred Networks, Inc. (PFN), hôm nay đã công bố một bản nâng cấp lớn cho công cụ mô phỏng nguyên tử phổ quát Matlantis™ của mình, và việc khai trương văn phòng tại Cambridge, Massachusetts để thúc đẩy việc áp dụng nghiên cứu vật liệu dựa trên AI trên khắp Bắc Mỹ. Bản cập nhật giới thiệu Phiên bản 8 mới của công nghệ AI độc quyền của PFN có tên PFP (Preferred Potential), cho phép các nhà nghiên cứu trong nhiều ngành công nghiệp tăng tốc khám phá, cải thiện hiệu suất dự đoán và mở ra những chân trời mới trong khoa học vật liệu với độ chính xác mô phỏng chưa từng có.

PFP Phiên bản 8 đánh dấu một cột mốc quan trọng khi là tiềm năng tương tác nguyên tử học máy (MLIP) phổ quát đầu tiên được đào tạo với bộ dữ liệu được phát triển bằng một phương pháp mới gọi là hàm r²SCAN (restored-regularized strongly constrained and appropriately normed). Các phiên bản PFP lên đến 7 dựa vào bộ dữ liệu được tạo ra bằng phương pháp PBE (Perdew-Burke-Ernzerhof) functional, vốn cũng được các MLIP khác ngoài PFP áp dụng rộng rãi. Tuy nhiên, PBE được biết là có những hạn chế nhất định về độ chính xác mô phỏng—mức độ phù hợp của các mô phỏng dựa trên máy tính về hành vi của vật liệu với kết quả thí nghiệm trong thế giới thực.

Việc giới thiệu phương pháp r²SCAN là đỉnh cao của những nỗ lực không ngừng của PFN trong vài năm qua để khắc phục những hạn chế về độ chính xác của phương pháp dựa trên PBE. Phát triển bộ dữ liệu đào tạo bằng phương pháp r²SCAN tốn nhiều tài nguyên tính toán hơn, yêu cầu thời gian tính toán gấp ba đến năm lần so với phương pháp PBE. Tuy nhiên, vì PFP Phiên bản 8 hiện được đào tạo với bộ dữ liệu được xây dựng bằng r²SCAN cũng như PBE, người dùng Matlantis có thể đạt được độ chính xác mô phỏng tăng gấp đôi trong cùng khung thời gian so với phiên bản trước.

“Bản cập nhật này thể hiện một bước đột phá đáng kể,” Giám đốc điều hành của Matlantis cho biết. “Vào năm 2021, chúng tôi là công ty đầu tiên trên thế giới ra mắt công cụ mô phỏng thương mại sử dụng MLIP phổ quát, và giờ đây công cụ mô phỏng của chúng tôi, Matlantis, là công cụ đầu tiên trên toàn cầu tích hợp r²SCAN đảm bảo độ chính xác mô phỏng cao. Chúng tôi tin rằng điều này sẽ mở đường hơn nữa cho kỷ nguyên khám phá vật liệu dựa trên máy tính. Chúng tôi sẽ tiếp tục hỗ trợ các nhà nghiên cứu ở Bắc Mỹ và phần còn lại của thế giới để khám phá những vật liệu mới sáng tạo và bền vững.”

Được đầu tư chung bởi PFN và ENEOS, công ty năng lượng lớn nhất Nhật Bản, và Mitsubishi Corporation, Matlantis đã được hơn 100 nhà lãnh đạo công nghiệp và học thuật trên toàn thế giới sử dụng kể từ khi ra mắt vào tháng 7 năm 2021. Ngày nay, Matlantis là một trong những nền tảng được hỗ trợ bởi AI thương mại đầu tiên được xây dựng có mục đích để mô phỏng nguyên tử ở quy mô công nghiệp—cung cấp một MLIP duy nhất bao gồm 96 nguyên tố (từ hydro đến curi) và mang lại độ chính xác ở cấp độ DFT (lý thuyết hàm mật độ) nhanh hơn tới 20 triệu lần.

Matlantis cho phép các nhóm nghiên cứu:

• Thực hiện mô phỏng ngay từ ngày đầu sử dụng:
  Matlantis được cung cấp dưới dạng phần mềm dưới dạng dịch vụ (SaaS) dựa trên đám mây. Người dùng có thể truy cập nó qua trình duyệt và bắt đầu tìm kiếm vật liệu mới ngay từ ngày đầu sử dụng. Vì tiềm năng tương tác nguyên tử học máy (MLIP) của Matlantis đã được đào tạo bằng bộ dữ liệu lớn, người dùng có thể tập trung ngay vào việc khám phá vật liệu mà không mất thời gian xây dựng các mô hình học máy.

• Tìm kiếm nhiều loại vật liệu chưa được khám phá
  Là một công cụ mô phỏng nguyên tử phổ quát, Matlantis bao gồm nhiều loại vật liệu cho pin, chất bán dẫn, chất xúc tác và nhiều hơn nữa, mà không cần thay đổi mô hình AI tùy thuộc vào loại của chúng.

• Đẩy nhanh khám phá vật liệu
  Với Matlantis, các nhà nghiên cứu có thể hoàn thành các mô phỏng chỉ trong vài giờ mà nếu không sẽ mất nhiều năm tính toán DFT thông thường. Sự tăng tốc này làm thay đổi thiết kế lặp lại trong khám phá vật liệu, định hình lại quy trình R&D để các hiểu biết tính toán dẫn dắt các thí nghiệm, thay vì chỉ xác nhận chúng sau đó.

• Đạt được độ chính xác mô phỏng cao hơn bao giờ hết
  Với bộ dữ liệu đào tạo mới được xây dựng bằng phương pháp r²SCAN, Matlantis có thể mô phỏng các tính chất vật liệu với độ chính xác cao hơn các MLIP thông thường trong cùng khung thời gian, further narrowing the gap between simulations and experiments.

“Với PFP 8.0, cuối cùng chúng tôi đã có một tiềm năng tương tác nguyên tử học máy phổ quát giữ được độ trung thực cấp độ DFT tốt nhất trong khi bao quát hầu hết bảng tuần hoàn,” Cố vấn kỹ thuật của Matlantis, Giáo sư Ju Li, Tiến sĩ, người được công nhận rộng rãi với công trình về mô hình hóa nguyên tử và nghiên cứu vật liệu cho biết. “Sự kết hợp giữa độ chính xác và tốc độ đó cho phép các kỹ sư tạo ra biểu đồ pha hoặc sàng lọc các hệ thống đa thành phần trong vài giờ hoặc vài ngày thay vì vài tuần hoặc vài tháng—công việc trực tiếp thông báo thiết kế hợp kim, vật liệu pin và các ứng dụng giá trị cao khác. Việc thành lập văn phòng tại Hoa Kỳ có nghĩa là chúng tôi có thể hợp tác chặt chẽ hơn nữa với các đối tác công nghiệp và học thuật tại đây, rút ngắn các vòng phản hồi và đưa các khả năng mới của Matlantis ra thị trường nhanh hơn.”

Tiến sĩ Katsushisa Yoshida, Giám đốc, Phó Trưởng Trung tâm Nghiên cứu Khoa học Tính toán và Tin học, Resonac, cho biết: “Chúng tôi rất vui mừng khi nghe về bản cập nhật lớn của Matlantis và việc mở văn phòng mới tại Hoa Kỳ. Chúng tôi rất mong đợi sự phát triển của nền tảng này sẽ thúc đẩy hơn nữa sự phát triển vật liệu của chính chúng tôi.”

PFP 8.0 được phát triển bằng cách sử dụng siêu máy tính của PFN và 2.0 và 3.0 được cung cấp bởi National Institute of Advanced Industrial Science and Technology (AIST) của Nhật Bản và AIST Solutions Co., Ltd. Việc sử dụng ABCI 3.0 được hỗ trợ bởi ABCI 3.0 Development Acceleration Program.

Về Matlantis
Được phát triển chung bởi PFN và ENEOS, Matlantis là một công cụ mô phỏng nguyên tử phổ quát hỗ trợ khám phá vật liệu quy mô lớn bằng cách tái tạo hành vi của vật liệu mới ở cấp độ nguyên tử trên máy tính. PFN và ENEOS đã tích hợp một mô hình học sâu vào một công cụ mô phỏng vật lý thông thường để tăng tốc độ mô phỏng lên hàng chục nghìn lần và hỗ trợ nhiều loại vật liệu. Matlantis được ra mắt vào tháng 7 năm 2021 dưới dạng phần mềm dưới dạng dịch vụ (SaaS) dựa trên đám mây bởi Matlantis Inc. (trước đây có tên là Preferred Computational Chemistry), một công ty được PFN, ENEOS và Mitsubishi Corporation đồng đầu tư. Matlantis được hơn 100 công ty và tổ chức sử dụng để khám phá các vật liệu khác nhau bao gồm chất xúc tác, pin, chất bán dẫn, hợp kim, chất bôi trơn, gốm sứ và hóa chất.
Để biết thêm thông tin, vui lòng truy cập:

Liên hệ truyền thông:
Janabeth Ward
Scratch Marketing + Media for Matlantis