Matlantis تعلن عن تحديث كبير لمُحاكيها الذري الشامل لاكتشاف المواد، وتفتتح مكتبًا مخصصًا في الولايات المتحدة

(SeaPRwire) –   أصبحت مجموعات بيانات التدريب لتقنية الذكاء الاصطناعي الأساسية في Matlantis تُطوَّر الآن باستخدام r²SCAN، مما يضاعف الدقة في المحاكاة الذرية مقارنة بالإصدار السابق

كامبريدج، ماساتشوستس، 16 يوليو 2025 — ، المركز الأمريكي لذراع اكتشاف المواد التابع لشركة الذكاء الاصطناعي الرائدة في اليابان Preferred Networks, Inc. (PFN)، أعلنت اليوم عن تحديث كبير لمُحاكيها الذري الشامل Matlantis™، وافتتاح مكتبها في كامبريدج، ماساتشوستس لتسريع تبني أبحاث المواد المدفوعة بالذكاء الاصطناعي في جميع أنحاء أمريكا الشمالية. يقدم التحديث الإصدار 8 الجديد من تقنية الذكاء الاصطناعي الخاصة بشركة PFN المسماة PFP (Preferred Potential)، والتي تمكن الباحثين في مختلف الصناعات من تسريع الاكتشاف، وتحسين الأداء التنبئي، وفتح آفاق جديدة في علم المواد بمستويات غير مسبوقة من دقة المحاكاة.

يمثل الإصدار 8 من PFP علامة فارقة مهمة كأول إمكانية بينية ذرية عالمية للتعلم الآلي (MLIP) يتم تدريبها باستخدام مجموعات بيانات تم تطويرها بطريقة جديدة تسمى الدالة r²SCAN (restored-regularized strongly constrained and appropriately normed). اعتمدت إصدارات PFP حتى الإصدار 7 على مجموعات بيانات تم إنشاؤها باستخدام طريقة تسمى الدالة PBE (Perdew-Burke-Ernzerhof)، والتي تم اعتمادها على نطاق واسع أيضًا من قبل MLIPs بخلاف PFP. ومع ذلك، من المعروف أن PBE لديها قيود معينة في دقة المحاكاة – مدى توافق المحاكاة الحاسوبية لسلوك المواد مع نتائج التجارب الواقعية.

يمثل إدخال طريقة r²SCAN تتويجًا لجهود PFN المستمرة على مدار العامين الماضيين للتغلب على قيود الدقة للنهج القائم على PBE. يتطلب تطوير مجموعات بيانات التدريب باستخدام طريقة r²SCAN كثافة حسابية أكبر، مما يتطلب ثلاثة إلى خمسة أضعاف وقت الحوسبة مقارنة بطريقة PBE. ومع ذلك، نظرًا لأن PFP الإصدار 8 يتم تدريبه الآن باستخدام مجموعات البيانات المبنية باستخدام r²SCAN بالإضافة إلى PBE، يمكن لمستخدمي Matlantis تحقيق ضعف دقة المحاكاة في نفس الإطار الزمني للإصدار السابق.

“يمثل هذا التحديث إنجازًا كبيرًا،” قال ، الرئيس التنفيذي لشركة Matlantis. “في عام 2021، كنا أول من أطلق محاكاة تجارية باستخدام MLIP عالمي، والآن محاكينا، Matlantis، هو الأول عالميًا الذي يدمج r²SCAN الذي يضمن دقة محاكاة عالية. نعتقد أن هذا سيزيد من تمهيد الطريق لعصر اكتشاف المواد القائم على الكمبيوتر. سنستمر في دعم الباحثين في أمريكا الشمالية وبقية العالم لاكتشاف مواد جديدة مبتكرة ومستدامة.”

Matlantis، التي استثمرت فيها PFN و ENEOS، أكبر شركة طاقة في اليابان، و Mitsubishi Corporation بشكل مشترك، استخدمت بالفعل من قبل أكثر من 100 من قادة الصناعة والأوساط الأكاديمية في جميع أنحاء العالم منذ إطلاقها في يوليو 2021. اليوم، Matlantis هي من بين أوائل المنصات المتاحة تجاريًا والمدعومة بالذكاء الاصطناعي والمصممة خصيصًا للمحاكاة الذرية على نطاق صناعي – حيث تقدم MLIP واحدًا يغطي 96 عنصرًا (من الهيدروجين إلى الكوريوم) ويوفر دقة على مستوى DFT (نظرية الكثافة الوظيفية) أسرع بما يصل إلى 20 مليون مرة.

تُمكّن Matlantis فرق البحث من:

• إجراء المحاكاة من أول يوم استخدام:
  تُقدم Matlantis كبرنامج كخدمة (SaaS) قائم على السحابة. يمكن للمستخدمين الوصول إليها عبر متصفح والبدء في البحث عن مواد جديدة من أول يوم استخدام. نظرًا لأن إمكانية التفاعل بين الذرات بالتعلم الآلي (MLIP) في Matlantis قد تم تدريبها بالفعل باستخدام مجموعات بيانات ضخمة، يمكن للمستخدمين التركيز فورًا على اكتشاف المواد دون قضاء وقت في بناء نماذج التعلم الآلي.

• البحث عن مجموعة واسعة من المواد غير المكتشفة:
  كمحاكي ذري شامل، تغطي Matlantis مجموعة واسعة من المواد للبطاريات وأشباه الموصلات والمحفزات والمزيد، دون الحاجة إلى تغيير نماذج الذكاء الاصطناعي بناءً على أنواعها.

• تسريع اكتشاف المواد:
  مع Matlantis، يمكن للباحثين إكمال المحاكاة في غضون ساعات قليلة بينما كانت تتطلب سنوات من حسابات DFT التقليدية. يحول هذا التسريع التصميم المتكرر في اكتشاف المواد، ويعيد تشكيل عملية البحث والتطوير بحيث تقود الرؤى الحسابية التجارب، بدلاً من مجرد التحقق منها لاحقًا.

• تحقيق دقة محاكاة أعلى من أي وقت مضى:
  باستخدام مجموعات بيانات التدريب الجديدة التي تم بناؤها باستخدام طريقة r²SCAN، يمكن لـ Matlantis محاكاة خصائص المواد بدقة أعلى من MLIPs الشائعة في نفس الإطار الزمني، مما يقلل الفجوة بين المحاكاة والتجارب.

“مع PFP 8.0، أصبح لدينا أخيرًا إمكانية بينية ذرية عالمية للتعلم الآلي تحافظ على أفضل دقة على مستوى DFT بينما تغطي معظم الجدول الدوري،” قال المستشار الفني لشركة Matlantis البروفيسور Ju Li، الحاصل على درجة الدكتوراه، والمعروف على نطاق واسع بعمله في النمذجة الذرية وأبحاث المواد. “تسمح هذه التركيبة من الدقة والسرعة للمهندسين بتوليد مخططات الطور أو فحص الأنظمة متعددة المكونات في ساعات أو عدة أيام بدلاً من أسابيع أو أشهر – وهو عمل يفيد مباشرة تصميم السبائك ومواد البطاريات وتطبيقات أخرى ذات قيمة عالية. يعني إنشاء مكتب في الولايات المتحدة أنه يمكننا التعاون بشكل أوثق مع الشركاء الصناعيين والأكاديميين هنا، وتقصير حلقات التغذية الراجعة، وطرح إمكانيات Matlantis الجديدة في السوق بشكل أسرع.”

قال الدكتور كاتسوهيسا يوشيدا، مدير ونائب رئيس مركز الأبحاث في علوم الحوسبة والمعلوماتية، Resonac: “نحن متحمسون لسماع الأخبار حول التحديث الرئيسي لـ Matlantis وافتتاح مكتبهم الجديد في الولايات المتحدة. نتطلع بشدة إلى كيف سيزيد تطور هذه المنصة من تسريع تطوير موادنا الخاصة.”

تم تطوير PFP 8.0 باستخدام الكمبيوتر العملاق الخاص بـ PFN و 2.0 و 3.0 المقدمة من المعهد الوطني الياباني للعلوم الصناعية المتقدمة والتكنولوجيا (AIST) و AIST Solutions Co., Ltd. يتم دعم استخدام ABCI 3.0 من خلال برنامج تسريع تطوير ABCI 3.0.

حول Matlantis
Matlantis، التي تم تطويرها بالاشتراك بين PFN و ENEOS، هي محاكي ذري شامل يدعم اكتشاف المواد على نطاق واسع من خلال إعادة إنتاج سلوك المواد الجديدة على المستوى الذري على الكمبيوتر. قامت PFN و ENEOS بدمج نموذج التعلم العميق في محاكي فيزيائي تقليدي لزيادة سرعة المحاكاة عشرات الآلاف من المرات ودعم مجموعة واسعة من المواد. تم إطلاق Matlantis في يوليو 2021 كبرنامج كخدمة قائم على السحابة من قبل Matlantis Inc. (المسماة رسميًا Preferred Computational Chemistry)، وهي شركة استثمرت فيها PFN و ENEOS و Mitsubishi Corporation بشكل مشترك. تُستخدم Matlantis من قبل أكثر من 100 شركة ومنظمة لاكتشاف مواد متنوعة بما في ذلك المحفزات والبطاريات وأشباه الموصلات والسبائك ومواد التشحيم والسيراميك والمواد الكيميائية.
لمزيد من المعلومات، يرجى زيارة:

جهة الاتصال الإعلامي:
Janabeth Ward
Scratch Marketing + Media لـ Matlantis