MatterSim を用いた材料開発の進展：実験的合成と高速シミュレーション、マルチタスクモデル

![image](https://www.microsoft.com/en-us/research/wp-content/uploads/2026/05/MatterSimv1_5-BlogHeroFeature-1400x788-1-scaled.jpg) 一言で言うと 実験的検証：MatterSim-v1 を用いたハイスループットスクリーニングにより、以前は四角錐型のリン化タンタル（TaP）が高性能熱伝導体として有望であることを特定しました。今回、実際にこれを合成し、その熱伝導率を測定したところ、シリコンの熱伝導率に近い値（152 W/m/K）であることが確認されました。 シミュレーションの高速化：MatterSim-v1 モデルの推論速度を 3〜5 倍に加速し、LAMMPS ソフトウェアパッケージと統合しました。これにより、複数の GPU を跨ぐ大規模シミュレーションが可能になりました。 新モデルの公開：in silico（コンピュータ上での）材料特性評価のためのマルチタスク基盤モデル「MatterSim-MT」を発表します。このモデルは、ポテンシャルエネルギー面だけ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します。 材料設計は、ナノエレクトロニクスから半導体設計、エネルギー貯蔵に至るまで、幅広い技術的進歩の基盤となっています。しかし、新規材料の開発サイクルはまだ遅く、コストも高いままです。汎用機械学習原子間ポテンシャル（interatomic potentials）は、広範な材料に対する正確な安定性と物性の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指しています。これらのモデルは、従来の第一原理シミュレーション（first-principles simulations）に比べて桁違いに高速であり、以前は非現実的だった問題を数時間で完了できる日常的な計算へと変えています。MatterSim-v1 モデルの公開以来、有限温度や圧力といった現実的な条件下での材料を正確にシミュレートする能力により、材料科学コミュニティで人気を集めています。 本日、私たちはいくつかの刺激的な MatterSim のアップデートを発表します。これには、熱伝導体に対する MatterSim 予測の実験的検証、より高速なシミュレーションのためのパフォーマンス向上、および材料特性評価のための新しいマルチタスク基盤モデル（multi-task foundation model）の導入が含まれます。 実験的検証 ![image](https://www.microsoft.com/en-us/research/wp-content/uploads/2026/05/MatterSim_fig1_v2.png)図 1：MatterSim の計算予測に基づき、潜在的な高熱伝導体を合成しました。左側：熱伝導率に関する MatterSim の予測値と、基準となるシミュレーションおよび実験結果の比較（参考のために±50% の誤差範囲を示しています）。右側：測定された熱伝導率が 152 W/m/K である実験的に合成された正方晶タングステンリン化物 (TaP) サンプルの異なる視点からの画像。 高い熱伝導率を持つ材料は、過熱防止やエネルギー効率の向上といった熱管理において重要な役割を果たします。例えば、ダイヤモンド、銅、シリコンといった確立された高熱伝導体は、幅広い冷却応用分野で広く利用されています。次世代の高熱伝導体を設計することは、コンピューティング、パワーエレクトロニクス、航空宇宙技術における進展を可能にするかもしれません。しかし、それを実現するには、候補材料の熱伝導率値を正確に予測する必要があります。 固体中では、熱は主に 2 つの方法で運ばれます：振動する原子（フォノン）によるものと、移動する電子によるものです。フォノンの寄与は、機械学習を用いた原子間ポテンシャルによって推定することができ、これにより数千もの候補をスクリーニングして、高価な実験的検証を行う前に最も有望な材料に探索範囲を絞り込むことが可能になります。 「MatterSim は、これまでに計算された熱伝導率のデータベースの中で最も大規模なものを生成しました。これは、以前よりもはるかに広い材料空間を探求する扉を開くものです。」 – テキサス大学ダラス校 ビン・リュウ教授 テキサス大学ダラス校（UT Dallas）、イリノイ大学アーバナ・シャンペーン校、カリフォルニア大学デービス校（UC Davis）との共同研究において、MatterSim-v1 を用いて高熱伝導体となる 240,000 以上の候補材料をスクリーニングしました。図 1（左側）に示す通り、MatterSim の予測は第一原理シミュレーション [first-principles simulations] と良好な一致を示しています。UC Davis のダヴィデ・ドナディオ教授は次のように述べています。「MatterSim モデルが、熱伝導率のような感度の高い性質を予測する際に、いかに精度と計算効率を両立させたかには驚きました。これが、従来の方法では全く手が届かなかった規模、すなわち数十万もの結晶体をスクリーニングすることを可能にした鍵でした。」UT Dallas のビン・リュウ教授はさらに、「MatterSim はこれまでにないほど大規模な計算熱伝導率データベースを生成しました。これは、以前よりもはるかに広い材料空間を探求する扉を開くものであり、実用的な要件を満たすことを課した後も、コミュニティがより広範な実現可能な材料群を発見することを可能にします。」と述べています。 「初めて、熱伝導率を支配する要因に関する従来の理解を大規模に検証することができるようになりました。」 – イリノイ大学アーバナ・シャンペーン校 デイビッド・カヒル教授 これらの予測に基づき、四角晶のリン化タンタル（TaP）が高熱伝導体としての可能性を有する材料であることを特定しました。私たちは UT Dallas で四角晶のリン化タンタル（TaP）を実験的に合成し、イリノイ大学アーバナ・シャンペーン校でその熱伝導率を測定しました（最良の試料で 152 W/m/K）。これはシリコンの熱伝導率に近い値です。四角晶の TaP の合成自体は私たちが初めてではありませんが、この材料が熱伝導体として検討されたことはこれまでありませんでした。これらの結果は、MatterSim が機能性材料の特定をどのように可能にするかを示しています。「初めて、熱伝導率を支配する要因に関する従来の理解を大規模に検証できるようになり、質量密度、元素の豊富さ、環境安定性といった他の重要な制約とのバランスを保ちながら新たな機能性材料を発見することが可能になります」と、イリノイ大学アーバナ・シャンペーン校のデビッド・カヒル教授は述べています。 PODCAST SERIES ![image](https://www.microsoft.com/en-us/research/wp-content/uploads/2025/06/Episode7-PeterBillSebastien-AIRevolution_Hero_Feature_River_No_Text_1400x788.jpg) 医療における AI 革命、再考 マイクロソフトのピーター・リーと共に、AI がヘルスケアにどのような影響を与え、医学の未来にとって何を意味するのかを探る旅に出ましょう。 今すぐ聴く 新しいタブで開きます パフォーマンスの向上 MatterSim-v1 のパフォーマンスと使いやすさを向上させるためのオープンソースの改善策を複数公開することで、MatterSim-v1 を大幅に高速化しています。まず、グラフ構築の高速化、事前コンパイルの実装、原子表現間の変換削減を組み合わせてモデル推論を加速し、MatterSim-v1.0.0-5M では 3 倍、MatterSim-v1.0.0-1M では 5 倍の速度向上を実現しました（図 2 を参照）。MatterSim-v1 の利用をより容易にするため、広く使用されている LAMMPS シミュレーションソフトウェアに統合し、既存のワークフロー内で複数の GPU にわたってモデル推論を簡単にスケーリングできるようにしました。 ![image](https://www.microsoft.com/en-us/research/wp-content/uploads/2026/05/mattersim_speedup.png)図 2: MatterSim-v1.0.0-5M の推論速度が 3 倍、MatterSim-v1.0.0-1M の推論速度が 5 倍に向上（Python）。 新モデルのリリース MatterSim-v1 の成功を踏まえ、本日は MatterSim モデルファミリーを拡張し、in silico 材料シミュレーションおよび物性評価のためのマルチタスク (MT) ファウンデーションモデルである MatterSim-MT を発表します。このモデルは、エネルギー、力、応力、および重要な材料特性をネイティブに予測できます。 MatterSim-MT は、89 元素にわたる 3500 万構造以上を第一原理ラベル付きデータとして事前学習しており、温度は最大 5000 K、圧力は最大 1000 GPa に至ります。さらに、バダー電荷（Bader charges）、磁気モーメント、ボーン有効電荷、誘電行列など、さまざまな物性値を用いて微調整が施されています。箱から出したままの状態でも、MatterSim-MT は材料の構造・ダイナミクス・熱力学を予測するためのファウンデーションモデルとして機能します。そ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きれない多様な複雑なシミュレーションも可能にします。これらの現象を正確にシミュレートする能力は、触媒やエネルギー貯蔵などの応用において極めて重要です。 ここでは、振動分光法、強誘電体スイッチング、電気化学的酸化還元反応の 3 つの事例研究を通じて、これらのマルチタスク機能を具体化します。各例では、異なる組み合わせの物性予測が必要です。完全な論文稿においては、MatterSim-MT がより多くのデータとパラメータに対してよくスケーリングすること、理論レベルを高めるために効率的に微調整可能であること、アクティブラーニングを通じて体系的に新たな系へ拡張できることも示しています。 ![image](https://www.microsoft.com/en-us/research/wp-content/uploads/2026/05/mattersim_mt_multitask.png)図 3：MatterSim-MT の多タスク予測能力により、複雑な物質現象のシミュレーションが可能になります。(a) MatterSim-MT の多タスク推論機能の模式図。原子構造からエネルギー (E)、力 (F)、応力 (S)、磁気モーメント (μ)、Born 有効電荷 (Z∗)、および誘電行列 (ε∞) を予測する能力を含みます。(b) 100 GPa までの圧力依存性を持つ炭化ケイ素 (SiC) のフォノンスペクトル。挿入図では、MatterSim が予測した縦光学 (LO) および横光学 (TO) モードの分裂と実験測定値を比較しています。(c) 強誘電性正方晶 BaTiO3 材料において、z 方向の電気場に対する分極密度のヒステリシス曲線の予測結果。(d) リチウム脱離過程における Li1.2 – xMn0.8O2 の酸素 Bader 電荷分布の変化。矢印は O2 分子の生成を示しています。 まず、振動分光法に焦点を当てます。これは原子結合の自然な振動を測定することで物質を同定する技術です。我々は、Born 有効電荷と誘電特性の予測が、極性結晶におけるフォノンスペクトルの計算を可能にする方法を実証します。これらの材料では、反対の電荷を持つイオンがお互いに振動し合います。振動の方向によっては、電荷が蓄積して巨視的な電気場が生じ、光学フォノンモードが高周波数の縦波 (LO) と低周波数の横波 (TO) の枝に分裂します。事例研究として、高電力電子機器に使用される材料である 3c-炭化ケイ素 (3c-SiC) において、極端な圧力下でのこの挙動をシミュレーションしました。Fig. 3(b) に示す通り、MatterSim-MT は理論値および実験値と非常に良く一致する Born 有効電荷を予測しています。その結果生じる LO-TO 分裂は 5.26 THz で、第一原理計算からは 0.06 THz のみ、実験測定からは 0.03 THz のみ乖離しています。 予測されたボーン有効電荷を用いることで、系が外部電場に対してどのように応答するかをシミュレーションすることも可能です。強誘電体材料では、イオンは非対称な配列をとることで結晶に正味の電気分極を与え、これが印加電場によって反転します。図 3(c) では、印加電場下でのチタン酸バリウム（BaTiO3）をシミュレーションし、その分極のスイッチングを再現しました。得られたヒステリシス曲線は、300 K における有限温度効果により分極の反転が容易になることを正しく示しており、予測された自発分極（38 μC/cm2）が実験値（26 μC/cm2）よりわずかに高いにもかかわらずです。この不一致は、基礎となる第一原理計算でよく知られている結合不足に起因するものと考えられます。 最後に、化学結合や酸化還元反応における電子の自由度を研究するために原子電荷を予測します。私たちは、シミュレーションされたバッテリー充電プロセス中のカソード材料 Li1.2 – xMn0.8O2 の挙動を検討しています。これらのリチウム豊富な遷移金属酸化物は高いエネルギー密度を持つため次世代電池として有望ですが、陰イオン酸素酸化還元メカニズムに起因する不可逆的な容量損失という課題を抱えています。私たちは 1000 K で分子動力学シミュレーションを実行し、バッテリー充電を模倣するためにリチウムを段階的に抽出することで、この現象を再現しました。時間の経過とともに明確な変化を観察します：最初はマンガン（Mn）原子が充電に必要な電子を供給しますが、より多くのリチウムが除去されると、酸素原子が代わりに電子を放出することを余儀なくされます（陽イオンから陰イオンの酸化還元）。これは、時間とともに Bader 電荷が負の値から減少するシフトによって示されています（Fig. 3(d)）。これにより構造が不安定化し、酸素原子が対になって O2 二量体を形成します（Fig. 3(d)、インセット）。注目すべきは、この陽イオンから陰イオンの酸化還元遷移と格子劣化の包括的な図景が、電池材料に対するタスク固有のトレーニングを一切行わずに、マルチタスク予測から自然に導き出される点です。 次のステップ 実験的検証、大幅な性能向上、そして新たなマルチタスク機能により、MatterSim は材料設計におけるより実用的で意思決定に直結する用途へと進化を遂げています。これらの進展は、材料科学者が大規模な計算スクリーニングから標的型の実験フォローアップおよび意思決定に関連する科学的ワークフローへ、より迅速に移行することを支援しています。材料科学コミュニティがこれらの進歩をそれぞれの領域でどのように応用するか、楽しみに見ています。 MatterSim がテストされ、拡張され、現実世界の材料発見パイプラインに統合される過程での継続的な協力を楽しみにしています。 MatterSim の更新 MatterSim-MT プリプリント（査読前論文） 謝辞 本稿は、Microsoft Research AI for Science が主導し、Microsoft Research Accelerator と協力し、テキサス大学ダラス校（MSR Accelerator の支援あり）、イリノイ大学アーバナ・シャンペーン校、カリフォルニア大学デービス校の共同研究者らとの連携により実現された、極めて協力的かつ学際的な取り組みの結果です。本稿への貢献者には、Han Yang, Xixian Liu, Chenxi Hu, Yichi Zhou, Yu Shi, Chang Liu, Junfu Tan, Jielan Li, Guanzhi Li, Qian Wang, Yu Zhu, Zekun Chen, Shuizhou Chen, Fabian Thiemann, Claudio Zeni, Matthew Horton, Robert Pinsler, Andrew Fowler, Daniel Zügner, Tian Xie, Lixin Sun, Yicheng Chen, Lingyu Kong, Yeqi Bai, Deniz Gunceler, Frank Noé, Hongxia Hao, Ziheng Lu, Zixin Zhai, Mengfan Wu, Haoke Qiu, Mingfa Tang, Tie-Yan Liu, Haiguang Liu, Tao Qin, David G. Cahill, Bing Lv, Davide Donadio, Shoko Ueda, Kenji Takeda が含まれます。 新しいタブで開きます。記事「MatterSim を用いた材料分野における AI の進展：実験的合成、高速シミュレーション、マルチタスクモデル」は、Microsoft Research で最初に発表されました。

MatterSim を用いた材料開発の進展：実験的合成と高速シミュレーション、マルチタスクモデル

背景や根拠まで確認しますか？

調べる

選ぶ

サイト