Preferred Networks MI
- 使いやすさ
- セットアップ
- 料金
- サポート充実
- 連携・拡張性
- 機能性
- セキュリティ
目次
Preferred Networks MIとは
強み
注意点
カテゴリ別市場マーケットシェア
代替サービス
サービス基本情報
運営サービス一覧
Preferred Networks MIとは
Preferred Networks MIは、Preferred Networksが提供する素材開発に特化したAIプラットフォームです。機械学習や深層学習技術を活用したマテリアルズ・インフォマティクスにより、新素材や触媒の開発プロセスを支援します。同社がENEOSとの共同ベンチャーで開発した原子レベルシミュレータ「Matlantis」をはじめとする高速シミュレーション技術を通じて、大規模なデータ解析と未知物質の設計をサポートします。深層学習を用いた特性予測モデルは多様な材料に対応しており、従来の手法では困難だった広範囲な探索領域での研究を可能にします。FitGapの要件チェックでは35項目中28項目に○(対応)し、カテゴリ33製品中5位の対応範囲です。専門知識を持つ研究者が在籍する大企業や研究機関での利用に適したソリューションとして設計されており、長期間にわたる研究テーマにも対応できる仕様となっています。
強み
深層学習による新素材探索
Preferred Networks MIは、AI・深層学習技術を活用して次世代材料の探索プロセスを支援し、材料開発の速度向上に貢献します。機械学習アルゴリズムにより膨大な材料空間を効率的に解析することで、従来の手法と比較してより迅速に高機能素材の候補を予測・評価することが可能となります。FitGapの機能性評価はカテゴリ39製品中7位で、工程条件探索や複数材料領域対応、目的指標のカスタム設定が○(対応)です。このアプローチにより、材料開発における時間的コストの削減と探索精度の向上を同時に実現できる点が特徴です。
Matlantisへの技術活用
ENEOSとの共同出資により開発されたMatlantis™原子シミュレータにおいて、Preferred Networks MIの深層学習技術が活用されています。この技術により原子スケールでの解析が可能となり、ナノ構造材料の特性予測や材料設計をクラウド環境で実現することができます。FitGapの要件チェックでは、欠陥・拡散評価と表面・欠陥モデル自動生成が○(対応)です。いずれもカテゴリ33製品中で対応製品が少ない要件で、原子スケールの構造評価を重視する研究開発で判断材料になります。従来の計算手法と比較して効率的な材料開発支援を提供しており、研究開発の効率化に寄与する可能性があります。
持続可能性重視の開発
Preferred Networks MIは、AIを活用した環境負荷低減素材の設計に注力し、持続可能な未来に向けた新素材開発を目指しています。再生可能で多様な資源を生かした素材開発を通じて、社会課題の解決への貢献を図る取り組みを進めており、環境への配慮と技術革新の両立を追求する開発アプローチが特徴となっています。
注意点
シミュレーション以外の機能は非搭載
Preferred Networks MIは深層学習による高速な原子レベルシミュレーションに特化したツールであり、材料データベース管理や実験管理などの周辺機能は搭載されていません。実験データの蓄積・共有やプロジェクト管理を行う場合は別途システムの導入が必要となります。また、シミュレーション結果を効果的に活用するためには、ユーザー側での工夫や検討が求められる場合があります。シミュレーション専門ツールという特性を理解し、必要に応じて他のMI機能と組み合わせた運用を検討することが重要です。
AIモデルの解釈性に関する懸念
Preferred Networks MIは深層学習ポテンシャルを用いて高精度な予測を実現していますが、その内部モデルは利用者にとってブラックボックスとなりがちです。従来の物理モデルに比べ、なぜその結果が出たかの説明が難しい場合があり、慎重な検証が必要です。モデルの予測に過度に依存すると、予期せぬ外挿で誤った結論を導くリスクもあるため、AIの結果解釈には注意が必要です。
歴史が浅く普及途上
Preferred Networks MIは2021年に設立されたPreferred NetworksとENEOSの合弁によるMIサービスで、本格展開から間もない段階にあります。アンモニア触媒やゴム材料での適用事例は報告されているものの、幅広い業界での採用実績はまだ限定的で、今後の普及拡大が期待される状況です。サービスの長期的なサポート体制や機能拡充についても発展途上にあるため、導入を検討する際は将来性や継続性を慎重に見極める必要があるでしょう。
カテゴリ別マーケットシェア
2026年3月 FitGap調査
Preferred Networks MIの素材開発AIマーケットシェア
シェア
事業規模
Preferred Networks MIの利用環境・機能
Preferred Networks MIのプラン
個別見積もり。詳細は公式サイトより要問い合わせ。
Preferred Networks MIと比較されるサービス
Preferred Networks MIは、深層学習や材料シミュレーション技術を活用したい企業に向きます。Matlantisの背景にあるAI技術のように、計算と材料探索を結びつけやすい点が特徴です。MatlantisやCitrine Platformも候補になります。
Matlantis
- 使いやすさ
- セットアップ
- 料金
- サポート充実
- 連携・拡張性
- 機能性
- セキュリティ
PFN由来のAI技術を使った原子レベルシミュレーションを、SaaSとして利用できます。
高速な材料探索をすぐ計算環境へ落とし込みやすいです。研究部門でも共有しやすいです。
Matlantisは原子シミュレーションに焦点があり、個別AI共同開発の自由度は別設計です。
自社固有の課題に合わせてAIモデルを作り込みたい場合は、Preferred Networks MIが適します。
Citrine Platform
- 使いやすさ
- セットアップ
- 料金
- サポート充実
- 連携・拡張性
- 機能性
- セキュリティ
材料データ基盤と機械学習を整え、複数テーマのMI運用を標準化しやすいです。
研究データを組織横断で使う仕組みを作りやすいです。チーム展開にもつなげやすいです。
Citrine Platformは既成のMI基盤に寄り、先端AIの個別開発は契約範囲が分かれます。
深層学習技術を自社課題へ寄せて開発するなら、Preferred Networks MIが向きます。
Toyota WAVEBASE
- 使いやすさ
- セットアップ
- 料金
- サポート充実
- 連携・拡張性
- 機能性
- セキュリティ
少量データから性能予測や要因探索を進め、材料開発の初期検討に使いやすいです。
素材開発の知見を背景に、現場のデータ解析へつなげやすいです。探索結果を再利用しやすいです。
Toyota WAVEBASEは少量データ解析に寄り、深層学習の個別実装は別に考えます。
AI技術を幅広い研究テーマへ組み込みたい場合は、Preferred Networks MIが合います。
QunaSys Materials
- 使いやすさ
- セットアップ
- 料金
- サポート充実
- 連携・拡張性
- 機能性
- セキュリティ
量子化学計算をクラウドで試し、将来の量子計算活用を検証しやすいです。
分子構造最適化や電子状態計算を、量子計算の視点で扱えます。部門横断でも使いやすいです。
QunaSys Materialsは量子化学計算に寄り、材料AI全体の技術活用とは範囲が違います。
深層学習や計算基盤を横断的に使いたいなら、Preferred Networks MIが向きます。
サービスカテゴリ
AI・エージェント
ソフトウェア(Saas)
かんたんな質問に答えるだけで、自社向けのシステム要件を整理し、ぴったりのサービスをチェックすることができます。