Matlantis

Matlantis 是由 Preferred Networks 與 ENEOS 共同開發的雲端材料發現服務，核心採用「通用神經網路勢能」(PFP) 來模擬原子層級的行為。透過高效能的深度學習模型，Matlantis 能在幾秒鐘內完成傳統量子化學或分子動力學需要數小時甚至數天的計算，讓使用者即時觀察材料在不同條件下的結構變化與性質預測。此服務不需要使用者自行建置硬體或安裝複雜的程式，只要透過網路上傳原子座標或化學式，即可得到高精度的能量、力與相變資訊，極大縮短材料研發的迭代週期。

解決什麼問題

傳統材料設計往往受限於計算成本與時間，尤其在探索新合金、電池電解質或催化劑時，需要大量的第一性原理模擬。Matlantis 以神經網路勢能取代傳統的密度泛函理論 (DFT)，在保持相近精度的同時提供數十倍的速度提升，解決了「計算瓶頸」與「資源不足」的痛點。研究人員、產業研發團隊以及新創公司都能藉此快速篩選候選材料，降低實驗驗證的成本與風險。

適合誰、怎麼用

• 學術研究者：可在材料科學、固態物理或化學領域的課題中，即時驗證理論模型。
• 產業研發：電池、半導體、能源與化工公司可將 Matlantis 整合進產品開發流程，快速迭代配方。
• 新創與顧問：提供客製化的材料探索方案，縮短從概念到原型的時間。
  使用方式相當簡單：在 Matlantis 平台建立專案，上傳結構檔或化學式，設定模擬條件（如溫度、壓力），系統即會在雲端排程計算，完成後以圖表與數值報告形式回傳結果，使用者可直接下載或透過 API 進一步分析。