Matlantis推出Matlantis CSP，一项快速发现未知稳定晶体结构的新功能

(SeaPRwire) –   材料发现领导者推出晶体结构预测解决方案，本田为早期采用者。

波士顿和东京，2026年1月28日 — 今日宣布推出 (Crystal Structure Prediction)，这是其通用原子模拟器中的一项新功能，可快速识别给定元素系统中原子构型和成分的巨大搜索空间中先前未知的稳定晶体结构。

新材料对于脱碳和下一代能源等挑战至关重要，但材料研发长期以来依赖于重复的合成实验，即使成功率很低。Matlantis CSP 在流程早期引入了计算筛选步骤，帮助团队提前排除物理上不合理的可能性，并专注于最有希望的候选材料。

Honda R&D 正在采用 Matlantis CSP 来提高材料开发中的探索效率，包括多组分系统和亚稳态结构，这些结构由于计算成本高昂而历来难以评估。

突破传统 CSP 方法的限制

到目前为止，晶体结构预测一直受到几个持续存在的障碍的限制：基于 DFT 的评估每个结构可能需要数小时，在探索可变成分空间时，搜索过程通常会偏向特定成分，而大规模运行可能需要复杂的环境设置和专业知识。Matlantis CSP 旨在通过将 Matlantis 的核心技术——其通用机器学习原子间势能 PFP (Preferred Potential)——与专有算法和为大规模 CSP 优化的并行处理基础相结合来消除这些限制。这提供了：

1) 高通量结构评估：使用 PFP，Matlantis CSP 可以在几秒到几分钟内评估每个结构的能量，同时保持可靠性。它还包含安全措施，可以在出现搜索过程中常见的异常原子构型时稳健地完成计算，而不会中断。

2) 在成分空间中进行全面且高效的搜索：Matlantis CSP 包括一种专有算法，旨在探索完整的成分空间，同时保持采样结构的が。与随机搜索相比，它将搜索效率提高了约 3-6 倍，从而能够对任意成分进行彻底的探索而不会遗漏。

3) 针对 Matlantis 环境优化的并行处理基础：为了在短时间内处理数万次试验，Matlantis CSP 针对 Matlantis 优化了内存和并行执行。用户可以立即开始大规模搜索，而无需复杂的环境设置。

Honda R&D Co., Ltd. 创新研究卓越部设备工艺首席工程师 Mitsumoto Kawai 表示：“我们对 CSP 作为一项将显著提高材料开发探索效率的技术寄予厚望。通过 CSP，晶体结构搜索——包括以前不切实际的多组分系统和亚稳态结构——已经变得可行。能够在实验前高置信度地缩小有希望的晶体结构和成分范围，不仅将提高实现下一代材料的可能性，还将缩短开发周期。”

是 Honda 用例研究的链接。

Matlantis CSP 已经在多种体系——氧化物、合金和磷化物——中取得了早期成果，发现了 10 多种以前未知的稳定晶体。在 Ga–Au–Ca 体系中，它识别出了 13 种新晶体，与现有数据库相比，显著更新了相图。

Matlantis 首席执行官 Daisuke Okanohara 表示：“通过 Matlantis CSP，我们正在使晶体结构预测在实际研究规模上变得可行，因此团队可以探索更广泛的成分空间，更早地识别有希望的候选材料，并减少在低概率实验上花费的时间。我们很高兴看到 Honda R&D 认识到 CSP 的影响力，并期待与行业合作伙伴一起加速从模拟到合成的路径。”

关于 Matlantis

Matlantis 由 PFN 和 ENEOS 联合开发，是一款通用原子模拟器，通过在计算机上以原子级别重现新材料的行为来支持大规模材料发现。PFN 和 ENEOS 将深度学习模型集成到传统的物理模拟器中，将模拟速度提高了数万倍，并支持多种材料。Matlantis 于 2021 年 7 月由 Matlantis Corp.（正式名称为 Preferred Computational Chemistry，由 PFN、ENEOS 和 Mitsubishi Corporation 共同投资的公司）作为基于云的软件即服务推出。

Matlantis 被 150 多家公司和组织用于发现各种材料，包括催化剂、电池、半导体、合金、润滑剂、陶瓷和化学品。欲了解更多信息，请访问：。

媒体联系人：
Emily Townsend
Scratch Marketing + Media 代表 Matlantis​
​