シミュレーション・デジタル技術

マテリアルズ・インフォマティクス(MI)を活用した新素材開発

MIを活用した新素材開発

MIとは、膨大な材料データをAI(ディープラーニング)等で解析し、期待する性能が出そうな化学構造や組成を設計する手法であり、各国が注目する今後必須となる技術です。従来、実験をもとに「研究者の経験と勘」で進めてきた素材開発を圧倒的に加速することが期待されます。
当社では、実験、シミュレーション、AIを融合させることで「物理・化学法則による提案」と「統計解析による提案」により、再生可能エネルギー・触媒・機能材料・潤滑油等の分野で、革新的素材(高性能・新機能・低コスト・SDGs)の発見・開発に繋げることを目指し取り組んでいきます。

AI×Simulationプラットフォーム:Matlantis™の開発

低炭素社会の実現に向け革新的材料への期待が高まる中、材料研究の加速に資する分子シミュレーションやAI等のデジタル技術の活用が益々重要となっています。
Preferred Networks社とENEOSは、独自AI技術を用いた汎用原子レベルシミュレータMatlantis™を開発し、両社で設立したPreferred Computational Chemistry (PFCC)社よりSaaSとして提供を開始しました。
Matlantis™は圧倒的高速に分子や結晶等の構造や各種物性を計算でき、従来より広範囲な新規素材の探索が可能です。
当社でも水素エネルギー等の低炭素に関する研究に力を入れ、Matlantis™を用いた材料研究の加速ならびに研究開発の革新に挑戦しています。

MI活用事例:高機能触媒設計

化学シミュレーションにより様々な触媒表面上で起こる反応の活性化エネルギー(反応の進行しやすさ)や吸着・脱離エネルギーを算出し、その結果を機械学習・AIにより解析することで、従来よりも高機能な触媒の設計を試みています。

シミュレーションによる触媒表面の例
触媒反応過程のエネルギーダイヤグラム

MI活用事例:潤滑油・グリース設計

機械システムの高効率化・高性能化・環境負荷低減に向け、Matlantis™などのシミュレーション技術を活用した潤滑油・グリースの設計を行っています。例えば、添加剤の吸着性から摩擦・摩耗特性を高める分子構造の理解、複雑な現象解明を通じた耐摩耗化に重要な化学反応の明確化などです。これらのシミュレーションに基づき、所望のトライボロジー特性を実現し得る潤滑油・グリースのあるべき姿の設計を推進しています。

潤滑油添加剤の吸着エネルギーの解析イメージ
潤滑油添加剤のトライボケミカル反応シミュレーション

MI活用事例:高性能ポリマー収率を向上するモノマー配合組成探索

MIを活用した高性能ポリマー収率を向上するモノマー配合組成探索

高性能ポリマー収率向上のため、独自の収率予測モデルを構築しました。重合反応の物理化学的知見と実験データをAIで学習させることで構築した本モデルを用いて膨大な数のモノマー配合比の仮想実験(計算)を行い、従来を上回る収率向上を実現しています。

関連ページ