素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28

Matlantis
Matlantis SaaS Provider à Preferred Computational Chemistry
2021年1月28日
nano tech 2022, 出展社セミナー
素材産業のDXに貢献する
『Matlantis』のご紹介
(株)Preferred Computational Chemistry
マネージャー 入口 広紀
1
Preferred Computational Chemistry(PFCC)の概要
所在地:東京都千代田区大手町1丁目6-1大手町ビル
設立年月日:2021年6月1日
代表者:代表取締役社長 岡野原 大輔
ミッション:
革新的なマテリアルの創出に貢献し、持続可能な世界を実現する
出展:日本経済新聞
https://www.nikkei.com/article/DGKKZO71433790X20C21A4TJ1000/
2
弊社製品に関する記事
出展:日経産業新聞
https://www.nikkei.com/article/DGKKZO79558180W2A120C2XY0000/
出展: マイナビ
https://news.mynavi.jp/article/20210706-1916744/
出展:PC Watch
https://pc.watch.impress.co.jp/docs/news/1336/421/
出展:MONOist
https://monoist.atmarkit.co.jp/mn/articles/2107/07/news047.html
3
Matlantisが革新的なマテリアルの創出に
どのように貢献できるのか?
4
化学 x AI で材料設計 → Materials Informatics
マテリアルズ・インフォマティクス(MI)
 ・ 材料開発に機械学習やAIを用いて 膨大な候補物質から有望材料を見出す技術
 ・ 研究者の経験や勘に頼る従来の手法から加速できる
 ・ 近年 各国でMI技術を使った材料開発が活発化
世の中の取組状況
材料探索の加速
MI活用
バーチャル実験
シミュレータ
~10回/月
実験
~10回/月
従来
数千回/月
米国 2011年 Materials Genome
Initiative(MGI)立上げ
低コスト・高速の材料開発を目指す
欧州 2015年 Novel Material Discovery
Laboratory(NOMAD)設立
中国 2015年 中国科学院・中国工学院が
連携して中国版MGIに着手
日本 2014年ごろから国家プロジェクト増加
(内閣府、文科省、経産省)
企業 素材メーカを中心に、単独あるいは
IT企業と連携しての取組みが増加
開発に時間がかかる
5
一般的なMaterials Informatics
データ
ベース
AI・機械学習
モデル
計算
候補材料
X
特長
・理屈が分からなくてもモデルを作れる
課題
・学習外の物質の予測が困難
・広範囲・膨大なデータが必要
・データ収集コスト
6
一般的なMaterials Informatics
データ
ベース
AI・機械学習
モデル
計算
候補材料
X
特長
・理屈が分からなくてもモデルを作れる
課題
・学習外の物質の予測が困難
・広範囲・膨大なデータが必要
・データ収集コスト
7
計算化学手法(DFT)の重要性
● DFT(Density Functional Theory)計算が活用されている論文数は増加傾向
● 公開論文でDFT計算が活用されている割合は近年顕著に増加
#
of
literatures
w/
DFT
ratio
(%)
by Google Scholar
8
DFT計算 x 機械学習の事例
9
[1] Gómez-Bombarelli, R., Aguilera-Iparraguirre, J., Hirzel, T. et al., Nature Mater 15, 1120–1127 (2016).
[2] Zhong, M., Tran, K., Min, Y. et al., Nature 581, 178–183 (2020).
● CO2
還元触媒の探索 [2]
● 有機EL材料の探索 [1]
✓ 文献から候補抽出
→DFT理論予測
→実験候補の抽出
✓ コスト軽減のためDFT算出
の物性値推算モデルを構築
✓ t-SNEで吸着構造を分類することで
理想的な触媒組成・反応機構の考察
✓ 合計23万ものCu系触媒表面CO2
吸着
構造を計算・解析
● DFTでは物質の電子密度を計算
→ 行列方程式を自己無頓着に解くため莫大な演算数をこなす
DFT (Density Functional Theory)の課題
→ 高速化をしたい
DFT計算は計算コストが高いことが課題
● ex. 一般的な計算機を使った場合、
- 固体触媒上での反応計算(100原子程度):約2週間
- Liイオンの拡散計算(50原子程度):約1カ月
10
高速かつ良精度とされる計算化学手法
DFTB法 ReaxFF
ハミルトニアンの積分項をパラメータ化することで
DFTよりも高速
分子動力学法ベースの手法のためDFTよりも高速
[3] S. Manzhos, G. Giorgi, and K. Yamashita, Molecules 20, 3371 (2015). [4] K. Nishikawa, H. Akiyama, K. Yagishita, and H. Washizu, Jurnal Tribologi 21 63 (2019).
×公開パラメータの対応原子が限られる
×パラメータの作成・フィッティングが必要
×公開パラメータの対応原子が限られる
×パラメータの作成・フィッティングが必要
強束縛近似を用いたKSハミルトニアンの簡略化
ex. アモルファスTiO2
表面の酢酸吸着[3]
電荷・結合パラメータを加えた古典分子動力学法
ex. Cu/Cu2
O表面のベンゾトリアゾール分子吸着[4]
11
ここまでのまとめ
DFT計算 機械学習技術 Neural Network Potential
12
✓ Materials Informaticsが提唱され久しく、様々な事例が発表された
✓ 未知の材料領域へアプローチするために計算化学アプローチ(DFT)が注目されるが計
算コストが課題
✓ DFTに近い精度で高速計算するアプローチは汎用性に課題
一般的なMaterials Informatics
データ
ベース
AI・機械学習
モデル
計算
候補材料
X
特長
・理屈が分からなくてもモデルを作れる
課題
・学習外の物質の予測が困難
・広範囲・膨大なデータが必要
・データ収集コスト
DFT x AI
高速化
13
Neural Network Potential (NNP)とは
原子座標 エネルギー、力
原子座標からエネルギー・力を求める際にDFTで行っていた複雑な電子状態
計算が不要
→ 原子座標を入力すれば瞬時にエネルギー、力を算出することができる技術
14
O
H
H
Neural Network
DFT計算を高速化する技術:Neural Network Potential
[5] J. S. Smith, O. Isayev, and A. E. Roitberg, Chem. Sci. 8, 3192 (2017).
メリット:高速
•量子化学計算手法(DFT)と比べ
 圧倒的に高速
デメリット:
•精度面 ― 精度の評価が難しい
•教師データ取得が必要
–学習するためのデータ収集として、結局DFT計算が必要
–取得したデータの周辺しか予測できない
15
16
第一原理計算結果 数千万を教師データ、独自に設計したGraph Neural Networkで学習モデ
ルを構築したもの
Our Neural Network Potential “Matlantis”の概要
…
教師データ(数千万)
分子・結晶等様々な構造の第一原理計算結果
GNN
エネルギー
Matlantis予測値
学習・出力
 エネルギー
DFT(教師データ)
Ex. molecule
Ex. cluster
Ex. slab
Ex. crystal
Ex. adsorption
Ex. disordered
17
Graph Neural Network
18
● Graph Neural Network:グラフを入力でき、データの “つながり” の情報を学習
● グラフとは:頂点(node) x と辺(edge) e で構成
- Social Network(SNSの結びつきグラフ)、Citation Network(論文の引用を示
すグラフ)
- 商品Network(同時購入された商品を結ぶグラフ)
- Protein-Protein Association Network
- 有機分子 etc…
Graph Convolution Neural Network
19
• 画像の畳み込みに似た “グラフ畳み込み” 🡪 Graph Convolution を考えることで実現
画像分類
class label
物性値
Chemical property
CNN: Image Convolution
GNN: Graph Convolution
GNNを用いたNNPの例
• CGCNN[7]:周期境界条件のある系に対するグラフ構築方法を提案
• MEGNet[8]:孤立系(分子)・周期境界条件(固体)双方へのGNN適用を報告
[7] T. Xie and J. C. Grossman, Phys. Rev. Lett. 120, 145301 (2018). [8] C. Chen, W. Ye, Y. Zuo, C. Zheng, and S. P. Ong, Chem. Mater. 31, 3564 (2019).
20
DFT計算の公開DBは特定の系に注目したものになってしまう
→汎用性を目指すためには独自dataset作成が必要
教師データ
表面系
https://opencatalystproject.org/
https://materialsproject.org/
http://aflowlib.org/
https://pubchem.ncbi.nlm.nih.gov/
http://pubchemqc.riken.jp/
結晶系
分子系
QM9 [10]
[10] R. Ramakrishnan, P. O. Dral, M. Rupp,
and O. A. von Lilienfeld, Scientific Data 1,
140022 (2014).
21
汎用なNeural Network Potential
教師データ
Neural Network
Architecture
[11] S. Takamoto et al., arXiv:2106.14583
様々な化学状態(結晶・分子・界面)を計算するために…
● 結晶構造、クラスター構造、表面構造、吸着構造、disordered構造等のDFT計算データを
独自に収集することが必要
● Neural Network の形状はGNNを採用
22
第一原理計算結果 数千万を教師データ、独自に設計したGraph Neural Networkで学習モデ
ルを構築したもの
Our Neural Network Potential “Matlantis”の概要
…
教師データ(数千万)
分子・結晶等様々な構造の第一原理計算結果
GNN
エネルギー
Matlantis予測値
学習・出力
 エネルギー
DFT(教師データ)
Ex. molecule
Ex. cluster
Ex. slab
Ex. crystal
Ex. adsorption
Ex. disordered
23
Our Neural Network Potential “Matlantis”の概要
…
教師データ(数千万)
分子・結晶等様々な構造の第一原理計算を実施
GNN
エネルギー
Matlantis予測値
学習・出力
 エネルギー
DFT(教師データ)
Ex. molecule
Ex. cluster
Ex. slab
Ex. crystal
Ex. adsorption
Ex. disordered
24
PFNのスーパーコンピューターで
1台のGPUなら273年かかる計算時間を費やし
データセットを作成
約10万倍
高速
Our Neural Network Potential:PFPの性能
第一原理計算
Matlantis
2ヶ月
(外挿値)
0.3秒
0.1秒
2時間
第一
原理
計算
原子数
第一原
理計算
第一原理計算と比較し圧倒的高速
約2千万倍
高速
第一原理計算条件
・solver = QUANTUM ESPRESSO (PWscf)
・ver:6.4.1
・PP:Pt.pbe-n-kjpaw_psl.1.0.0.UPF
・Ecutoff:40 Ry (≒544 eV)
・Xeon Gold 6254 3.1GHz x 2 (36 cores)
・RAM:384 GB
Fcc Ptバルク構造一点計算時間
55元素に対応
Our NNP対応元素周期表
25
PFP計算事例紹介
26
BaTiO3
は約130℃において正方晶(Tetragonal)から立方晶(Cubic)へ相転移し誘電特性が変化することが
知られている[13]
→現象を再現するためには電子状態を適切に取り扱えるモデルであることが重要
【実施】BaTiO3
正方晶構造を初期構造としてMatlantis(PFP)でMD計算。温度ごとの格子定数変化を取得。
BaTiO3
結晶の相転移解析事例
27
PFP計算条件
原子数 320 (4x4x4 supercell)
MD 0.1 ns (1 x 105
steps)
Ensemble NPT (Berendsen)
Temperature 300 ~ 600 K
[13] Smith et al., J. Am. Chem. Soc., 130, 6955-6963 (2008)
Tetragonal
Cubic
400 K付近の
BaTiO3
相転移
を再現
LiBに関する計算事例 : イオン拡散
https://www.kek.jp/ja/newsroom/2016/06/22/1833/
Li10
GeP2
S12
系固体電解質は高イオン伝導度を示す結晶
構造としてよく知られており、次世代電池材料として
注目を集める。
既報データも多く[14,15]、PFPで再現検討を実施。
計算条件
原子数 50
MD 1 ns (2x106
steps)
Ensemble NVT (Langevin)
実行時間 46 h
平均二乗距離@523K 拡散係数
活性化Energy(meV)
PFP DFT[14] Exp[15]
230 210 242
[14] Mo et al. Chem.Mater. (2012) 24, 15-17
[15] Y. Kato, et. al. Nat. Energy 1, 16030.
• DFTおよび実験結果をよく再現
• 高速な計算により低温領域まで計算可能
https://matlantis.com/ja/cases/calculation004/
DFT[14]
PFP
28
【PFP】   64.4 [kJ/mol]
【DFT[16]】 61.0 [kJ/mol]
多孔質材に関する計算事例 : MOF
29
[16] F. Bonino, et. al., Chem. Mater. 20, 4957 (2008).
https://matlantis.com/ja/cases/calculation002/
ゼオライトに代表されるようなナノサイズの微小細孔を持つ材料は
吸着材、分離膜、触媒材料として幅広い分野で利用されている。
【実施】 近年注目を集めるMetal-organic
frameworks(MOFs)への水分子吸着
エネルギーを計算
ΔE = 1/n (Eads
- EMOF
- nEH2O
)
MOF-74Niの構造
左:水分子吸着なし、右:水分子吸着あり
原子数:162     原子数:216   
石油合成触媒探索 Fischer-Tropsch process
Co+V触媒上でのC-O解離反応
Co触媒の一部元素置換による活性化エネルギー変化
(Coのみの基準を1.0)
良
1.0
0.0
0.8
0.6
0.4
0.2
メタン化反応
活性化エネルギー比較
DFT[18] vs. PFP
30
● Fischer-Tropsch機構の律速過程CO解離反応を促進する高性能触媒
組成を探索
● およそ9,300回の反応経路解析( NEB)スクリーニングを実施
● Co/V系で活性化エネルギーの低減を確認
→実験事実[17]と合致
[17] K. Shimura, T. Miyazawa, T. Hanaoka, and S. Hirata, Applied Catalysis A: General 494, 1 (2015).
[18] B. Zijlstra, et al., Catalysis Today 342, 131 (2020).
NO還元触媒反応解析と第二元素添加の効果
Rh触媒の一部元素を置換してNO開裂反応の活性化エネルギーを計算
(1,224種の触媒表面状態についてMatlantisで全てNEB計算→約3日で計算完了)
第一原理計算:Rh触媒上でのNO開裂反応エネルギーダイアグラム
約10分でNEB計算完了
NNPによる超高速
スクリーニングイメージ
(initial state)
Ea = 1.4 eV
Ea = 1.5 eV
Ref: Catalysis Today 332 (2019) 272–279
無置換
NNP image
31
潤滑油添加剤の油膜形成過程解析
1 nm
32
背景
● 潤滑油は機械装置の省エネに不可欠
● 摺動部の摩擦・摩耗を抑える添加剤
トリメチルフォスファイト
P(OCH
3
)
3
の作用機構解明
実施内容
● P(OCH
3
)
3
作用機構解明には、摩擦
場における化学反応(トライボケミ
カル反応)を扱う
● 第一原理分子動力学(従来手法)で
1年以上かかる計算がMatlantisを用
いて半日で完了
● 添加剤と鉄表面の反応による潤滑油
膜(リン化鉄)生成を再現
理論化学会誌に掲載:小野寺ほか、フロンティア第3巻3号 (2021) 161
Cu(111)上でのチオールの挙動計算
ref1: https://pubs.acs.org/doi/10.1021/acs.langmuir.9b00686
アルカンチオールはCu(111)面へ吸着し、Cu-S結合を形成することが知られている(ref1)。
①汎用NNPでMD計算、吸着構造解析と、Cu-S結合形成構造解析を実施
②MD計算で得られた吸着構造とCu-S結合形成構造を使ってNEB計算、活性化エネルギーを算出
計算条件
原子数 365
MD 1 ns (1 x 106
steps)
Ensemble NVT (Langevin)
①汎用NNPでMD (NVT)計算 ②汎用NNPでNEB計算
33
● 汎用なNeural Network Potentialである“Matlantis”とその活用事例について
紹介いたしました。
● Matlantisを使うことで、
○ デジタル空間で大規模なスクリーニング実験→実空間実験の効率化、
○ 実空間での分析等では解明が進まない現象の解析、
等が実施可能になります。
● Matlantisは、革新的なマテリアルの創出、持続可能な世界の実現に貢献できると
確信しております。
まとめ
34
35
1 sur 35

Recommandé

汎用ニューラルネットワークポテンシャル「PFP」による材料探索_MRS-J2021招待講演_2021/12/15 par
汎用ニューラルネットワークポテンシャル「PFP」による材料探索_MRS-J2021招待講演_2021/12/15汎用ニューラルネットワークポテンシャル「PFP」による材料探索_MRS-J2021招待講演_2021/12/15
汎用ニューラルネットワークポテンシャル「PFP」による材料探索_MRS-J2021招待講演_2021/12/15Matlantis
1.1K vues31 diapositives
Matlantisがもたらす革新的なマテリアルの創出_POL共催セミナー_20220304 par
Matlantisがもたらす革新的なマテリアルの創出_POL共催セミナー_20220304Matlantisがもたらす革新的なマテリアルの創出_POL共催セミナー_20220304
Matlantisがもたらす革新的なマテリアルの創出_POL共催セミナー_20220304Matlantis
618 vues40 diapositives
汎用なNeural Network Potential「Matlantis」を使った新素材探索_2022応用物理学会_2022/3/22 par
汎用なNeural Network Potential「Matlantis」を使った新素材探索_2022応用物理学会_2022/3/22汎用なNeural Network Potential「Matlantis」を使った新素材探索_2022応用物理学会_2022/3/22
汎用なNeural Network Potential「Matlantis」を使った新素材探索_2022応用物理学会_2022/3/22Matlantis
1K vues31 diapositives
PFP:材料探索のための汎用Neural Network Potential_中郷_20220422POLセミナー par
PFP:材料探索のための汎用Neural Network Potential_中郷_20220422POLセミナーPFP:材料探索のための汎用Neural Network Potential_中郷_20220422POLセミナー
PFP:材料探索のための汎用Neural Network Potential_中郷_20220422POLセミナーMatlantis
1K vues66 diapositives
Matlantisに込められた 技術・思想_高本_Matlantis User Conference par
Matlantisに込められた 技術・思想_高本_Matlantis User ConferenceMatlantisに込められた 技術・思想_高本_Matlantis User Conference
Matlantisに込められた 技術・思想_高本_Matlantis User ConferenceMatlantis
1.4K vues31 diapositives
汎用なNeural Network Potential「Matlantis」を使った新素材探索_浅野_JACI先端化学・材料技術部会 高選択性反応分科会主... par
汎用なNeural Network Potential「Matlantis」を使った新素材探索_浅野_JACI先端化学・材料技術部会 高選択性反応分科会主...汎用なNeural Network Potential「Matlantis」を使った新素材探索_浅野_JACI先端化学・材料技術部会 高選択性反応分科会主...
汎用なNeural Network Potential「Matlantis」を使った新素材探索_浅野_JACI先端化学・材料技術部会 高選択性反応分科会主...Matlantis
557 vues48 diapositives

Contenu connexe

Tendances

機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323 par
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323Matlantis
1.7K vues37 diapositives
SchNet: A continuous-filter convolutional neural network for modeling quantum... par
SchNet: A continuous-filter convolutional neural network for modeling quantum...SchNet: A continuous-filter convolutional neural network for modeling quantum...
SchNet: A continuous-filter convolutional neural network for modeling quantum...Kazuki Fujikawa
3.9K vues33 diapositives
深層学習の数理 par
深層学習の数理深層学習の数理
深層学習の数理Taiji Suzuki
79.7K vues182 diapositives
日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023 par
日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023
日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023Matlantis
569 vues37 diapositives
数学で解き明かす深層学習の原理 par
数学で解き明かす深層学習の原理数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理Taiji Suzuki
3.8K vues42 diapositives
Matlantisで実現する不均一系理論触媒科学3.0: Ru/La0.5Ce0.5O1.75-xにおける強い金属・担体相互作用の解明と展望_PFCCウェ... par
Matlantisで実現する不均一系理論触媒科学3.0: Ru/La0.5Ce0.5O1.75-xにおける強い金属・担体相互作用の解明と展望_PFCCウェ...Matlantisで実現する不均一系理論触媒科学3.0: Ru/La0.5Ce0.5O1.75-xにおける強い金属・担体相互作用の解明と展望_PFCCウェ...
Matlantisで実現する不均一系理論触媒科学3.0: Ru/La0.5Ce0.5O1.75-xにおける強い金属・担体相互作用の解明と展望_PFCCウェ...Matlantis
422 vues62 diapositives

Tendances(20)

機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323 par Matlantis
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323
機械学習によるハイスループット 第一原理計算の代替の可能性_日本化学会_20230323
Matlantis 1.7K vues
SchNet: A continuous-filter convolutional neural network for modeling quantum... par Kazuki Fujikawa
SchNet: A continuous-filter convolutional neural network for modeling quantum...SchNet: A continuous-filter convolutional neural network for modeling quantum...
SchNet: A continuous-filter convolutional neural network for modeling quantum...
Kazuki Fujikawa3.9K vues
深層学習の数理 par Taiji Suzuki
深層学習の数理深層学習の数理
深層学習の数理
Taiji Suzuki79.7K vues
日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023 par Matlantis
日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023
日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023
Matlantis 569 vues
数学で解き明かす深層学習の原理 par Taiji Suzuki
数学で解き明かす深層学習の原理数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki3.8K vues
Matlantisで実現する不均一系理論触媒科学3.0: Ru/La0.5Ce0.5O1.75-xにおける強い金属・担体相互作用の解明と展望_PFCCウェ... par Matlantis
Matlantisで実現する不均一系理論触媒科学3.0: Ru/La0.5Ce0.5O1.75-xにおける強い金属・担体相互作用の解明と展望_PFCCウェ...Matlantisで実現する不均一系理論触媒科学3.0: Ru/La0.5Ce0.5O1.75-xにおける強い金属・担体相互作用の解明と展望_PFCCウェ...
Matlantisで実現する不均一系理論触媒科学3.0: Ru/La0.5Ce0.5O1.75-xにおける強い金属・担体相互作用の解明と展望_PFCCウェ...
Matlantis 422 vues
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021) par Preferred Networks
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)
Preferred Networks3.8K vues
Deep State Space Models for Time Series Forecasting の紹介 par Chihiro Kusunoki
Deep State Space Models for Time Series Forecasting の紹介Deep State Space Models for Time Series Forecasting の紹介
Deep State Space Models for Time Series Forecasting の紹介
Chihiro Kusunoki2.8K vues
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary par Deep Learning JP
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
Deep Learning JP2.2K vues
[DL輪読会]Neural Ordinary Differential Equations par Deep Learning JP
[DL輪読会]Neural Ordinary Differential Equations[DL輪読会]Neural Ordinary Differential Equations
[DL輪読会]Neural Ordinary Differential Equations
Deep Learning JP29.2K vues
モデルアーキテクチャ観点からのDeep Neural Network高速化 par Yusuke Uchida
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
Yusuke Uchida38.7K vues
機械学習による統計的実験計画(ベイズ最適化を中心に) par Kota Matsui
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui13.1K vues
論文紹介資料「Quantum Deep Field : Data-Driven Wave Function ...」 par DaikiKoge
論文紹介資料「Quantum Deep Field : Data-Driven Wave Function ...」論文紹介資料「Quantum Deep Field : Data-Driven Wave Function ...」
論文紹介資料「Quantum Deep Field : Data-Driven Wave Function ...」
DaikiKoge415 vues
全力解説!Transformer par Arithmer Inc.
全力解説!Transformer全力解説!Transformer
全力解説!Transformer
Arithmer Inc.9.5K vues
第一原理計算と密度汎関数理論 par dc1394
第一原理計算と密度汎関数理論第一原理計算と密度汎関数理論
第一原理計算と密度汎関数理論
dc139462.1K vues
機械学習は化学研究の"経験と勘"を合理化できるか? par Ichigaku Takigawa
機械学習は化学研究の"経験と勘"を合理化できるか?機械学習は化学研究の"経験と勘"を合理化できるか?
機械学習は化学研究の"経験と勘"を合理化できるか?
Ichigaku Takigawa9.1K vues
200604material ozaki par RCCSRENKEI
200604material ozaki200604material ozaki
200604material ozaki
RCCSRENKEI363 vues
因果推論を用いた 群衆移動の誘導における介入効果推定 par Koh Takeuchi
因果推論を用いた 群衆移動の誘導における介入効果推定因果推論を用いた 群衆移動の誘導における介入効果推定
因果推論を用いた 群衆移動の誘導における介入効果推定
Koh Takeuchi364 vues

Similaire à 素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28

MLOps NYC 2019 and Strata Data Conference NY 2019 report nttdata par
MLOps NYC 2019 and Strata Data Conference NY 2019 report nttdataMLOps NYC 2019 and Strata Data Conference NY 2019 report nttdata
MLOps NYC 2019 and Strata Data Conference NY 2019 report nttdataNTT DATA Technology & Innovation
1.2K vues53 diapositives
FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論 par
FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論
FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論Takanobu Mizuta
404 vues120 diapositives
OpenStack Summit 2017 Boston 報告会 サミット全体概要 par
OpenStack Summit 2017 Boston 報告会 サミット全体概要OpenStack Summit 2017 Boston 報告会 サミット全体概要
OpenStack Summit 2017 Boston 報告会 サミット全体概要Yukinori Sagara
269 vues22 diapositives
OSC2016.Enterprise OpenStack & Cloud Native Applications par
OSC2016.Enterprise OpenStack & Cloud Native ApplicationsOSC2016.Enterprise OpenStack & Cloud Native Applications
OSC2016.Enterprise OpenStack & Cloud Native Applicationsirix_jp
603 vues33 diapositives
AI/ML開発・運用ワークフロー検討案(日本ソフトウェア科学会 機械学習工学研究会 本番適用のためのインフラと運用WG主催 討論会) par
AI/ML開発・運用ワークフロー検討案(日本ソフトウェア科学会 機械学習工学研究会 本番適用のためのインフラと運用WG主催 討論会)AI/ML開発・運用ワークフロー検討案(日本ソフトウェア科学会 機械学習工学研究会 本番適用のためのインフラと運用WG主催 討論会)
AI/ML開発・運用ワークフロー検討案(日本ソフトウェア科学会 機械学習工学研究会 本番適用のためのインフラと運用WG主催 討論会)NTT DATA Technology & Innovation
620 vues27 diapositives
2050年カーボンニュートラルに向けて! 課題を多面的に考える - リレー講義第5回 2022  par
2050年カーボンニュートラルに向けて!  課題を多面的に考える - リレー講義第5回 2022 2050年カーボンニュートラルに向けて!  課題を多面的に考える - リレー講義第5回 2022 
2050年カーボンニュートラルに向けて! 課題を多面的に考える - リレー講義第5回 2022 Ikuo Misao
93 vues30 diapositives

Similaire à 素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28(20)

FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論 par Takanobu Mizuta
FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論
FIX委員会メンバーセミナー(2017/6/21) 人工市場を用いた 金融市場の制度・規制の議論
Takanobu Mizuta404 vues
OpenStack Summit 2017 Boston 報告会 サミット全体概要 par Yukinori Sagara
OpenStack Summit 2017 Boston 報告会 サミット全体概要OpenStack Summit 2017 Boston 報告会 サミット全体概要
OpenStack Summit 2017 Boston 報告会 サミット全体概要
Yukinori Sagara269 vues
OSC2016.Enterprise OpenStack & Cloud Native Applications par irix_jp
OSC2016.Enterprise OpenStack & Cloud Native ApplicationsOSC2016.Enterprise OpenStack & Cloud Native Applications
OSC2016.Enterprise OpenStack & Cloud Native Applications
irix_jp603 vues
AI/ML開発・運用ワークフロー検討案(日本ソフトウェア科学会 機械学習工学研究会 本番適用のためのインフラと運用WG主催 討論会) par NTT DATA Technology & Innovation
AI/ML開発・運用ワークフロー検討案(日本ソフトウェア科学会 機械学習工学研究会 本番適用のためのインフラと運用WG主催 討論会)AI/ML開発・運用ワークフロー検討案(日本ソフトウェア科学会 機械学習工学研究会 本番適用のためのインフラと運用WG主催 討論会)
AI/ML開発・運用ワークフロー検討案(日本ソフトウェア科学会 機械学習工学研究会 本番適用のためのインフラと運用WG主催 討論会)
2050年カーボンニュートラルに向けて! 課題を多面的に考える - リレー講義第5回 2022  par Ikuo Misao
2050年カーボンニュートラルに向けて!  課題を多面的に考える - リレー講義第5回 2022 2050年カーボンニュートラルに向けて!  課題を多面的に考える - リレー講義第5回 2022 
2050年カーボンニュートラルに向けて! 課題を多面的に考える - リレー講義第5回 2022 
Ikuo Misao93 vues
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際) par Hironori Washizaki
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)
青山幹雄先生を偲んで(開拓、理論、実践、コミュニティ&国際)
Low-Codeプログラミングシステム Node-REDとその応用 par HiroyasuNishiyama1
Low-CodeプログラミングシステムNode-REDとその応用Low-CodeプログラミングシステムNode-REDとその応用
Low-Codeプログラミングシステム Node-REDとその応用
VJCD 2017 Microsoft Cloud Developer Seminar in Hanoi par Seiji Noro
VJCD 2017 Microsoft Cloud Developer Seminar in HanoiVJCD 2017 Microsoft Cloud Developer Seminar in Hanoi
VJCD 2017 Microsoft Cloud Developer Seminar in Hanoi
Seiji Noro710 vues
20190619 オートエンコーダーと異常検知入門 par Kazuki Motohashi
20190619 オートエンコーダーと異常検知入門20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門
Kazuki Motohashi7.6K vues
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見 par Mitsutoshi Kiuchi
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見
Mitsutoshi Kiuchi2.1K vues
Cloud impact on IT industry (in Japanese) par shojiro-tanaka
Cloud impact on IT industry (in Japanese)Cloud impact on IT industry (in Japanese)
Cloud impact on IT industry (in Japanese)
shojiro-tanaka2.1K vues
The Role of Internal Audit in Resilience and DX in Japanese Universities par NPO CCC-TIES
The Role of Internal Audit in Resilience and DX in Japanese UniversitiesThe Role of Internal Audit in Resilience and DX in Japanese Universities
The Role of Internal Audit in Resilience and DX in Japanese Universities
NPO CCC-TIES545 vues
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation par Takumi Ohkuma
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Takumi Ohkuma244 vues
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation par Deep Learning JP
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Deep Learning JP1.5K vues
[DL輪読会]GLEAN: Generative Latent Bank for Large-Factor Image Super-Resolution par Deep Learning JP
[DL輪読会]GLEAN: Generative Latent Bank for Large-Factor Image Super-Resolution[DL輪読会]GLEAN: Generative Latent Bank for Large-Factor Image Super-Resolution
[DL輪読会]GLEAN: Generative Latent Bank for Large-Factor Image Super-Resolution
Deep Learning JP380 vues
SECCON CTF セキュリティ競技会コンテスト開催について par takesako
SECCON CTF セキュリティ競技会コンテスト開催についてSECCON CTF セキュリティ競技会コンテスト開催について
SECCON CTF セキュリティ競技会コンテスト開催について
takesako12K vues

Plus de Matlantis

第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様 par
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様Matlantis
525 vues36 diapositives
第3回Matlantis User Conference_20230721_北海道大学 鳥屋尾先生 par
第3回Matlantis User Conference_20230721_北海道大学 鳥屋尾先生第3回Matlantis User Conference_20230721_北海道大学 鳥屋尾先生
第3回Matlantis User Conference_20230721_北海道大学 鳥屋尾先生Matlantis
558 vues32 diapositives
第2回Matlantis User Conference_20230421_久間薫先生 par
第2回Matlantis User Conference_20230421_久間薫先生第2回Matlantis User Conference_20230421_久間薫先生
第2回Matlantis User Conference_20230421_久間薫先生Matlantis
626 vues19 diapositives
第2回Matlantis User Conference_20230421_畠山歓先生 par
第2回Matlantis User Conference_20230421_畠山歓先生第2回Matlantis User Conference_20230421_畠山歓先生
第2回Matlantis User Conference_20230421_畠山歓先生Matlantis
861 vues45 diapositives
PFCC special lecture on materials informatics_nanotech2023 par
PFCC special lecture on materials informatics_nanotech2023PFCC special lecture on materials informatics_nanotech2023
PFCC special lecture on materials informatics_nanotech2023Matlantis
113 vues35 diapositives
Matlantisを活用した蓄電池材料研究_名古屋工業大学 中山氏_Matlantis User Conference par
Matlantisを活用した蓄電池材料研究_名古屋工業大学 中山氏_Matlantis User ConferenceMatlantisを活用した蓄電池材料研究_名古屋工業大学 中山氏_Matlantis User Conference
Matlantisを活用した蓄電池材料研究_名古屋工業大学 中山氏_Matlantis User ConferenceMatlantis
1.1K vues23 diapositives

Plus de Matlantis (6)

第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様 par Matlantis
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
第3回Matlantis User Conference_20230721_ENEOS 小野寺 拓 様
Matlantis 525 vues
第3回Matlantis User Conference_20230721_北海道大学 鳥屋尾先生 par Matlantis
第3回Matlantis User Conference_20230721_北海道大学 鳥屋尾先生第3回Matlantis User Conference_20230721_北海道大学 鳥屋尾先生
第3回Matlantis User Conference_20230721_北海道大学 鳥屋尾先生
Matlantis 558 vues
第2回Matlantis User Conference_20230421_久間薫先生 par Matlantis
第2回Matlantis User Conference_20230421_久間薫先生第2回Matlantis User Conference_20230421_久間薫先生
第2回Matlantis User Conference_20230421_久間薫先生
Matlantis 626 vues
第2回Matlantis User Conference_20230421_畠山歓先生 par Matlantis
第2回Matlantis User Conference_20230421_畠山歓先生第2回Matlantis User Conference_20230421_畠山歓先生
第2回Matlantis User Conference_20230421_畠山歓先生
Matlantis 861 vues
PFCC special lecture on materials informatics_nanotech2023 par Matlantis
PFCC special lecture on materials informatics_nanotech2023PFCC special lecture on materials informatics_nanotech2023
PFCC special lecture on materials informatics_nanotech2023
Matlantis 113 vues
Matlantisを活用した蓄電池材料研究_名古屋工業大学 中山氏_Matlantis User Conference par Matlantis
Matlantisを活用した蓄電池材料研究_名古屋工業大学 中山氏_Matlantis User ConferenceMatlantisを活用した蓄電池材料研究_名古屋工業大学 中山氏_Matlantis User Conference
Matlantisを活用した蓄電池材料研究_名古屋工業大学 中山氏_Matlantis User Conference
Matlantis 1.1K vues

Dernier

Windows 11 information that can be used at the development site par
Windows 11 information that can be used at the development siteWindows 11 information that can be used at the development site
Windows 11 information that can be used at the development siteAtomu Hidaka
89 vues41 diapositives
PCCC23:富士通株式会社 テーマ1「次世代高性能・省電力プロセッサ『FUJITSU-MONAKA』」 par
PCCC23:富士通株式会社 テーマ1「次世代高性能・省電力プロセッサ『FUJITSU-MONAKA』」PCCC23:富士通株式会社 テーマ1「次世代高性能・省電力プロセッサ『FUJITSU-MONAKA』」
PCCC23:富士通株式会社 テーマ1「次世代高性能・省電力プロセッサ『FUJITSU-MONAKA』」PC Cluster Consortium
18 vues12 diapositives
SSH応用編_20231129.pdf par
SSH応用編_20231129.pdfSSH応用編_20231129.pdf
SSH応用編_20231129.pdficebreaker4
366 vues13 diapositives
光コラボは契約してはいけない par
光コラボは契約してはいけない光コラボは契約してはいけない
光コラボは契約してはいけないTakuya Matsunaga
24 vues17 diapositives
The Things Stack説明資料 by The Things Industries par
The Things Stack説明資料 by The Things IndustriesThe Things Stack説明資料 by The Things Industries
The Things Stack説明資料 by The Things IndustriesCRI Japan, Inc.
73 vues29 diapositives

Dernier(12)

Windows 11 information that can be used at the development site par Atomu Hidaka
Windows 11 information that can be used at the development siteWindows 11 information that can be used at the development site
Windows 11 information that can be used at the development site
Atomu Hidaka89 vues
PCCC23:富士通株式会社 テーマ1「次世代高性能・省電力プロセッサ『FUJITSU-MONAKA』」 par PC Cluster Consortium
PCCC23:富士通株式会社 テーマ1「次世代高性能・省電力プロセッサ『FUJITSU-MONAKA』」PCCC23:富士通株式会社 テーマ1「次世代高性能・省電力プロセッサ『FUJITSU-MONAKA』」
PCCC23:富士通株式会社 テーマ1「次世代高性能・省電力プロセッサ『FUJITSU-MONAKA』」
SSH応用編_20231129.pdf par icebreaker4
SSH応用編_20231129.pdfSSH応用編_20231129.pdf
SSH応用編_20231129.pdf
icebreaker4366 vues
The Things Stack説明資料 by The Things Industries par CRI Japan, Inc.
The Things Stack説明資料 by The Things IndustriesThe Things Stack説明資料 by The Things Industries
The Things Stack説明資料 by The Things Industries
CRI Japan, Inc.73 vues
PCCC23:東京大学情報基盤センター 「Society5.0の実現を目指す『計算・データ・学習』の融合による革新的スーパーコンピューティング」 par PC Cluster Consortium
PCCC23:東京大学情報基盤センター 「Society5.0の実現を目指す『計算・データ・学習』の融合による革新的スーパーコンピューティング」PCCC23:東京大学情報基盤センター 「Society5.0の実現を目指す『計算・データ・学習』の融合による革新的スーパーコンピューティング」
PCCC23:東京大学情報基盤センター 「Society5.0の実現を目指す『計算・データ・学習』の融合による革新的スーパーコンピューティング」
SNMPセキュリティ超入門 par mkoda
SNMPセキュリティ超入門SNMPセキュリティ超入門
SNMPセキュリティ超入門
mkoda420 vues
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20... par NTT DATA Technology & Innovation
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...

素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28