日本能源巨头ENEOS控股（ENEOS HD）正利用人工智能驱动的原子级模拟技术，大幅加速新型催化剂材料的发现进程。通过结合Matlantis的通用机器学习势函数PFP与NVIDIA ALCHEMI平台，ENEOS成功将原本需数年的研发周期压缩至数月。
在传统材料研发中，研究人员需在物理合成与测试前，对庞大的候选空间进行评估，这一过程往往依赖耗时的计算建模与试错法。对于水电解制氢关键的析氧反应（OER）催化剂而言，这种挑战尤为严峻。
借助PFP与NVIDIA ALCHEMI的结合，ENEOS评估了约1亿种OER催化剂候选结构，并锁定了优先进行实验验证的目标。这一成果展示了AI原子级模拟与GPU加速计算如何助力研究者在更短时间内探索更大规模的材料空间。
突破传统计算瓶颈
PFP是一种旨在保持量子级别精度的通用机器学习原子间势函数，支持全部96种化学元素。不同于针对单一材料系统构建独立模型的传统做法，PFP可使用单一模型应用于广泛的元素与工业场景，从而实现多样化候选材料的大规模评估。
NVIDIA ALCHEMI则为化学和材料科学领域的计算工作流提供了加速平台。两项技术的融合，使得对传统手段难以触及的材料空间进行高通量原子级模拟成为可能。
ENEOS控股AI创新部总经理Ibuka Takeshi指出，这项工作展示了大规模计算筛选如何从根本上改变材料开发方式，使企业能够探索传统方法难以触及的可能性，从而应对可持续发展面临的关键挑战。
Matlantis总裁兼CEO Okanohara Daisuke表示，此次合作汇聚了行业领袖的材料专业知识、先进算力与人工智能技术，推动了材料发现超越传统局限。NVIDIA高性能计算、云及AI基础设施高级总监Dion Harris也强调，该集成方案展示了高通量原子级模拟在加速OER催化剂搜索及推进可持续材料开发方面的潜力。