Microsoftは2026年5月12日(現地時間)、材料科学向けAIモデルMatterSimの主要な更新を発表した。MatterSim-v1による熱伝導体予測の実験的検証に加え、同モデルの推論速度を最大5倍に高速化し、LAMMPSソフトウェアパッケージと統合した。さらに、ポテンシャルエネルギー面では捉えきれない複雑な多物性現象のシミュレーションを可能にするマルチタスク基盤モデル「MatterSim-MT」を新たにリリースした。これにより、ナノエレクトロニクスからエネルギー貯蔵に至る幅広い分野での材料設計プロセス加速に寄与すると見られる。
MatterSim-v1を用いた高熱伝導体「正方晶タンタルリン (TaP)」の予測が実験的に検証された。この材料はUniversity of Texas Dallas (UT Dallas) で合成され、University of Illinois Urbana-Champaign で熱伝導率152 W/m/Kと測定された。この値はシリコンの熱伝導率に近く、MatterSimが機能性材料の特定を可能にすることを示した。
MatterSim-v1のパフォーマンス改善として、モデル推論が3倍から5倍高速化された。これは、グラフ構築の高速化、先行コンパイル、原子表現間の変換削減の組み合わせによって実現された。同モデルはまた、LAMMPSシミュレーションソフトウェアに統合され、既存のワークフローで複数のGPUにわたるモデル推論のスケーリングが容易になった。
新モデルMatterSim-MTは、in silico（計算機内）での材料シミュレーションと特性評価のためのマルチタスク基盤モデルとして導入された。このモデルはエネルギー、力、応力、その他いくつかの重要な材料特性をネイティブに予測する。MatterSim-MTは89元素をカバーし、最大5000 Kの温度と最大1000 GPaの圧力に対応する3500万以上の第一原理ラベル付き構造で事前学習されている。さらに、Bader charges、磁気モーメント、Born effective charges、誘電体行列など、様々な特性でファインチューニングされた。MatterSim-MTのマルチタスクアーキテクチャは、ポテンシャルエネルギー面だけでは捉えられない複雑なシミュレーションを可能にする。事例として、振動分光法、強誘電体スイッチング、電気化学レドックスが挙げられる。
材料設計はナノエレクトロニクスから半導体設計、エネルギー貯蔵まで幅広い技術進歩の基盤となるが、その開発サイクルは依然として遅く、高コストである。普遍的な機械学習原子間ポテンシャルは、幅広い材料に対して正確な安定性および特性予測を提供することで、材料設計プロセスを加速することを目的としている。
参考: Microsoft Research Blog — 2026年5月12日 22:00 (JST)
原文ハイライト"MatterSim has generated by far the largest database of computational thermal conductivities."