PFNの独自AI半導体「MN-Core 2」、材料探索用シミュレータ「Matlantis」に活用へ

この半導体ニュースのまとめ

・PFNの独自AI半導体「MN-Core 2」を材料探索用シミュレータ「Matlantis」に活用へ
・結晶構造計算などの一部タスクでは、同じ精度を維持してGPU比最大4倍程度に高速化
・2026年中の提供開始を計画

Preferred Networks(PFN)とPreferred Computing Infrastructure(PFCI)は9月18日、PFNが独自開発するAI半導体「MN-Core 2」の計算資源を、材料探索用の汎用原子レベルシミュレータ「Matlantis」向けに2026年中に提供開始する計画を発表した。

PFCIが運営するAI向けクラウドサービス「Preferred Computing Platform(PFCP)」上のMN-Core 2を、PFNグループのMatlantisが計算資源として利用する。Matlantisのユーザーは既存の利用環境を変更することなく、対象のシミュレーションでMN-Core 2の計算能力を利用できるようになる。

• 

  PFNが独自開発したAI半導体「MN-Core 2」 (出所:PFN)

結晶構造計算などをGPU比で最大4倍に高速化

Matlantisは、AI技術を活用して原子レベルの材料挙動をシミュレーションするクラウドサービスである。

96種類の元素を任意に組み合わせた際の物性をコンピュータ上で予測でき、従来手法と比べて最大数千万倍の速度で材料探索を進められるとしている。世界150以上の企業や学術団体が、次世代電池、触媒、半導体材料などの研究開発に活用している。

シミュレーションには、PFNが開発した機械学習原子間ポテンシャルを用いる材料基盤モデル「Matlantis PFP」を使用。現在は主にGPUを計算資源として利用しているが、電池材料用の結晶をはじめとする一部の構造では、MN-Core 2を利用することで、同じ精度を維持したままGPU比で最大4倍程度の高速化が可能であることを確認したという。

MN-Core 2は、演算量に対するローカルメモリの容量がGPUよりも大きく、ソフトウェアによる制御の自由度が高いという特徴を持つ。このため、計算対象となる原子数や構造、計算処理の内容によっては、GPUより効率良くシミュレーションを進められる。

ただし、すべてのMatlantisの計算をMN-Core 2へ置き換えるわけではなく、高速化が期待できる一部のタスクが対象となる。ワークロードに応じてGPUとMN-Core 2を使い分け、材料探索全体の計算効率を高める考えとみられる。

新材料探索の試行回数増加に期待

材料研究では、原子の組み合わせや結晶構造、温度、圧力などの条件を変えながら、多数の候補を評価する必要がある。

シミュレーションを高速化できれば、同じ期間内に試せる材料候補や条件を増やせるほか、実験前に有望な候補を絞り込むことも可能になる。実験や試作に要する時間とコストを抑え、新材料開発の期間短縮につなげられる可能性がある。

特に、次世代電池の電極・電解質材料、触媒、半導体材料などは、性能だけでなく、安全性、耐久性、資源制約、製造コスト、環境負荷などの複数条件を満たす必要がある。計算資源を増強し、多数の条件を高速に比較・検証できるようになることは、材料探索の効率を左右することにつながり、結果として探索できる材料空間の拡大にもつながることが期待できるようになる。

なお、PFNグループは、ユーザーの課題に応じて自社製と他社製の技術を組み合わせて最適な技術やソリューションとして提供する取り組みを推進してきており、今回、その取り組みがMatlantisにも拡大され、計算処理の特性に応じてGPUとMN-Core 2を使い分けることで材料探索サービス全体の性能向上が図られるようになる。