Matlantis×AIエージェント、実験系研究者もシミュレーション作成が容易に:マテリアルズインフォマティクス
材料開発において重要な役割を果たす計算化学だが、「環境構築」「ドメイン知識」「プログラミング」といった高いハードルが研究の足かせになっている。そこで、用原子レベルシミュレーターを提供するMatlantisは、自然言語の指示のみでシミュレーションの作成や結果解釈を可能にする「AIエージェント連携機能」の提供を開始した。
Matlantisは2026年5月27日、汎用原子レベルシミュレーター「Matlantis」において、AI(人工知能)エージェント連携機能を提供開始したと発表した。
「Claude Code」や「Codex」とシームレスに連携
計算化学は、材料研究におけるミクロな現象の可視化や理論的示唆の提示など、重要な役割を果たしてきた。しかし、膨大な計算コスト、計算資源やソフトウェアの環境構築/運用、そして対象材料のドメイン知識、計算化学の理論、プログラミングといった広範な専門性が求められることから、長らく研究用途が中心だった。
一方、Matlantisは、量子化学計算を置き換える高速/高精度なAIモデル「PFP(Preferred Potential)」を主軸に、環境構築が不要なクラウドサービスとして、これらのハードルの大部分を取り除いてきた。それでも、新しい解析を試したいときや論文を再現したいとき、自社固有の系を扱いたいときには、Pythonコードの記述や既存スクリプトの編集が必要であり、ここに学習の壁が残っていた。
大規模言語モデル(LLM)を中核としたAIエージェント技術は、この2年で急速に成熟し、コーディング、調査、文書作成といった知的業務の生産性向上に直結する手段として、企業導入が広がっている。
こうした状況を踏まえて、同社はMatlantisにAIエージェント連携機能を実装した。同機能は、対話型AIエージェントであるAnthropicの「Claude Code」やOpenAIの「Codex」を、Matlantisのターミナル環境上でシームレスに扱うための連携機能だ。なお、Matlantis環境のターミナルから直接AIエージェントであるClaude CodeやCodexを起動できるインストーラを近日提供予定だ。ユーザーはMatlantis内のターミナル上でClaude CodeやCodexを起動することで、シミュレーションプログラムの作成/編集から、シミュレーション結果の読み取り/解釈までを直接行えるようになる。
また、汎用的なAIに対してMatlantis特有の機能や仕様を参照させるための知識集を「Skills」として整備し、先行してGitHubにて公開した。同連携機能を通じてターミナルからAIエージェントを起動し、そこにSkillsの専門知識を読み込ませることで、ユーザーは自然言語の指示のみでシミュレーションコードの作成および編集作業を効率的に進めることが可能となる。
AIエージェントはそのままでもLLMに学習された知識を活用できるが、学習範囲には含まれないMatlantis固有の知識や代表的な計算ワークフロー(構造緩和、分子動力学、反応経路探索、結晶構造予測、可視化、外部データベースからの構造取得など)をSkillsから読み込ませることで、より適切な出力が行える。
今回の機能で期待される効果に関して、実験を中心に研究を進めてきた研究者に対しては、計算化学やプログラミングの専門知識に自信がなくても、AIエージェントとの自然言語による対話を通じてシミュレーションを実行できる。例えば、実験では直接見えないミクロな現象を知りたいという際には、現象を可視化するためのシミュレーションプログラムを作成するだけでなく、結果の解釈まで行える。
計算化学を専門としてきた研究者に対しては、コーディングにかかる時間が短縮されることで、論文の再現実装や、可視化/スクリーニングなどの検討サイクルを高速化できる。これにより、「まず動かしてみて考える」というスピード感で試行錯誤を進められるようになる。また、既存のスクリプトをAIエージェントに参照させ、自身の研究に合わせて出力を最適化させることも可能だ。
研究マネジメントの担当者に対しては、PFPによる高速計算とAIエージェントの組み合わせにより、チーム全体の試行サイクルが短縮される。これまで時間制約から諦めていたテーマや、後回しになっていた検討にも「計算上でまず試す」というアプローチが可能となり、偶発的発見(セレンディピティ)を促す。また、組織内の幅広いテーマに、計算による課題解決が適用できるようになる。
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
簡単な日本語入力から1分で最適な触媒を発見、PFNのバーチャル材料研究所
Preferred Networks(PFN)は、「CEATEC 2023」において、大規模言語モデル「PLaMo」と汎用原子レベルシミュレーター「Matlantis」、深層学習用プロセッサ「MN-Core」などを組み合わせた「バーチャル材料研究所」のデモンストレーションを披露した。
技術とマネジメントの両輪から考えるR&Dイノベーション
本連載ではマテリアルズインフォマティクス(MI)の基礎知識について解説。第1回は、R&Dでイノベーションを起こすために必要な技術とマネジメントの考え方やMIの位置付けについて紹介する。
AI時代の研究開発におけるノウハウの価値とインフォマティクスの役割
本連載ではマテリアルズインフォマティクス(MI)の基礎知識について解説。第2回は、AI時代の研究開発におけるノウハウの価値とインフォマティクスの役割を、比喩表現などを用いて紹介する。
AI for Science時代に求められる研究開発者像
本連載ではマテリアルズインフォマティクス(MI)の基礎知識について解説。第3回は、日本でも政策レベルで登場してきた「AI for Science」の概念をこれまでの文脈にのせて紹介する。
1000万倍高速の汎用原子レベルシミュレーターをPFNとENEOSが開発、SaaSで提供へ
Preferred Networks(PFN)とENEOSが、新物質開発や材料探索を高速化する汎用原子レベルシミュレーター「Matlantis(マトランティス)」を開発。両社が共同出資で設立した「株式会社Preferred Computational Chemistry(以下、PFCC)」を通じて、SaaSによる提供を始めた。
