Clik here to view.
PFP v9のご紹介: MLIP Arenaでのベンチマーク評価とr2SCANによる実験値再現性の向上
概要 2021年7月のMatlantis提供開始以来、その中核技術である機械学習原子間ポテンシャル(Machine Learning Interatomic Potential, MLIP)「Matlantis PFP」[1]...
View ArticleClik here to view.
PFP v9のMLIP Arenaベンチマーク評価(詳細版)
概要 Matlantis PFP(以下、PFP)バージョン9の性能を公開ベンチマークで実証するため、Chiangら [1] によって提案された主要なベンチマークプラットフォームであるMLIP Arenaを用いて、PBE計算モードで評価を行いました。MLIP...
View ArticleClik here to view.
PLaMoベースの強い日本語報酬モデルの構築
本記事は、PFNの2025年度夏インターンシップに参加し、パートタイムで勤務していただいたBoming Yangさんの寄稿によるもので、英語版記事の日本語翻訳版です。 Original English version: https://tech.preferred.jp/en/blog/building-a-strong-japanese-reward-model-on-plamo/...
View ArticleClik here to view.
大規模言語モデルの次期バージョンPLaMo 3シリーズにおける120B事前学習モデル、31B蒸留モデルの評価
はじめに Preferred Networksでは国立研究開発法人情報通信研究機構（以下: NICT（エヌアイシーティー） ）と共同で大規模言語モデル（以下、LLM）の開発を現在行っています。この取り組みの中で、日本の文化や社会等に留意した高品質かつ大量の学習データを用いた安全で高性能な国産LLMを目指しています。 前回のブログ記事 では、PLaMo 3 シリーズのうち、比較的小さい 8B, 31B...
View ArticleClik here to view.
P-ULVS: 大規模バーチャルスクリーニング受託サービス
本記事ではPreferred Networks (PFN)が提供する大規模バーチャルスクリーニング受託サービスP-ULVSの技術背景について紹介します。 はじめに 低分子創薬の初期段階であるヒット探索（Hit Identification）では、探索すべき化合物空間が極めて広大です。この広大な空間の中から、標的タンパク質に対して所望の活性を示す化合物を効率的に特定できるかどうかが、その後のヒット...
View ArticleClik here to view.
PLaMo 3.0 Primeをリリースしました
はじめに みなさん、こんにちは。PLaMo事後学習チームの今村です。我々は本日、国産生成AI基盤モデルPLaMo︎の新たなフラグシップモデルPLaMo 3.0 Primeをリリースしました。PLaMo 3.0 PrimeはPLaMo Chat/API経由でご利用いただけます。Freeプランもありますのでぜひこちらからご利用ください。 PLaMo 3.0 Primeは、先日リリースしたPLaMo...
View ArticleClik here to view.
PLaMo-3.0-Prime-β を LLM 開発の現場で使う
Preferred Networks では、大規模言語モデル PLaMo の開発を継続して行っています。...
View ArticleClik here to view.
評価中の点を考慮したOptunaのGPSamplerの並列化強化
本記事は、アルバイトとして勤務されている澤田恵里さんによる寄稿です。 はじめに 本記事では、Optuna v4.8からv4.9 にかけて段階的に導入される GPSampler の並列化強化について紹介します。 GPSampler は、ガウス過程に基づくベイズ最適化の sampler です。連続関数の最適化で特に高い性能を発揮し、Optuna v3.6...
View ArticleClik here to view.
pretrained model向けのベンチマークの構築
Preferred Networks では、大規模言語モデル PLaMo の開発を継続して行っています。 LLM を開発するうえで、モデルの能力を適切に測定するベンチマークは重要です。英語ではさまざまなベンチマークが日々公開されており、日本語のベンチマークも数多く公開されています。また、私たち自身も新しいベンチマークの構築にさまざまな形で取り組んでいます...
View ArticleClik here to view.
機械学習ポテンシャルの近似の限界を超えて【インターン募集】
2026年もインターンの季節がやってきました。本稿は、機械学習ポテンシャルの研究分野の紹介を兼ねたインターン募集案内です。機械学習ポテンシャルはあくまでインターンに関連した研究テーマの一面ですが、具体例を通して私たちが普段どういった視点でテーマ設定を行っているのかの参考になれば幸いです。記事の内容は執筆者の高本が講演で発表した内容から一部を抜粋、加筆したものとなっています。...
View ArticleClik here to view.
GLSL on MN-Core 2
本記事は、2025年度PFN夏季インターンシップで勤務された山野亮介さんによる寄稿です。 はじめに こんにちは。2025年度夏季インターンに参加させていただいた、東京大学情報理工学系研究科修士1年（当時）の山野亮介です。大学では主に文字列に関する研究を行っています。今回のインターンでは、MN-Coreをシェーダー言語の一つであるOpenGL Shading Language (GLSL)...
View ArticleClik here to view.
自律稼働デバイス向け高精度軽量VLM「PLaMo 2.1-VL」
はじめに Preferred Networks（以下、PFN）では2025年8月から、経済産業省および国立研究開発法人 新エネルギー・産業技術総合開発機構（NEDO）が実施する、国内の生成AI基盤モデルの開発力強化を目的としたプロジェクト「GENIAC（Generative AI Accelerator Challenge）」の支援を受け、自律稼働デバイスに向けた高精度軽量Vision...
View ArticleClik here to view.
Matlantis CSPにおけるOptunaを使った結晶構造探索
はじめに 結晶構造探索は、材料開発や物性予測の入口にあたる重要なステップです。一方で、その探索空間は広く、評価には計算コストがかかり、元素系ごとにどのような組成のどのような構造が実際に安定なのかが大きく変わります。結果として、探索の成否や効率が“経験と試行錯誤”に強く依存しがちで、同じ問題に取り組む人ほど「もっと賢く回せないか」と感じる場面が多く生じます。...
View ArticleClik here to view.
Optunaベースの内製フレームワーク × Work Suite: ユーザフィードバック駆動型プロンプト最適化を用いた新機能について
はじめに Preferred Networksの加藤です。AIプロダクト・ソリューションチーム所属で、AutoMLチームも兼務しています。PFNでは Preferred AI という生成AIを活用したプロダクト群を開発しており、その1つである PreferredAI Work Suite (以下、Work Suite) に自動プロンプト最適化を行える新機能を実装しました...
View ArticleClik here to view.
PLaMo 3.0 Prime β版をリリースしました
はじめに みなさん、こんにちは。PLaMo事後学習チームの今村です。我々は本日、国産生成AI基盤モデルPLaMo︎の新たなフラグシップモデルPLaMo 3.0 Prime β版をリリースしました。現在、無償利用を前提にモニター企業様を募集中です。ぜひこちらからご応募ください。 PLaMo 3.0 Prime β版は、我々がこれからも開発を継続していくPLaMo 3.x...
View ArticleClik here to view.
pfpoly: uMLIPと反応加速を組み合わせたReady-to-Useな高分子反応シミュレータ
はじめに こんにちは、Preferred Networksの森穂高です。普段はMaterials&DrugDiscovery事業本部のマテリアルリサーチグループでエンジニアリングマネージャをやっています。 この記事では、先日出版された私たちの論文「Ready-to-Use Polymerization Simulations: Combining Universal Machine...
View ArticleClik here to view.
超高効率 AI 計算基盤向け Kubernetes スケジューラと kube-scheduler-evaluator の検討
この記事は、2025 年 PFN 夏期インターンで勤務された坂内理人さんによる寄稿です。 こんにちは、慶應義塾大学政策・メディア研究科修士１年の坂内理人（rihib）と申します。PFN 2025夏期国内インターンシップ7週間研究開発コースに参加させていただきました。私は、こちら...
View ArticleClik here to view.
コード生成ベンチマークのためのサンドボックス環境の開発
はじめに Preferred Networksでは、大規模言語モデル「PLaMo」の開発を行っています。 PLaMoは開発サイクルにて様々なベンチマークによりその能力を評価していますが、今回はコード生成ベンチマークにてモデルが生成する、安全性が保証されていないコードを実行するためのサンドボックス環境を紹介します。 サンドボックス環境がなぜ必要か...
View Article日本語の自然さを測る評価手法の検証
Preferred Networksでは大規模言語モデル (LLM) PLaMoの開発を継続して行っています。 LLMを開発するにあたってその能力を評価するベンチマークは非常に重要です。英語においては様々なベンチマークが日々公開されていますし、日本語でのベンチマークも数多く公開されています。また、我々も新しいベンチマークの構築をいろいろな方法で行っています...
View ArticleClik here to view.
2025年にPFN社員が読んだ面白かった本
この記事では、毎年行っている、PFNの社員が読んだ本の中から1年で一番良かった本を推薦する「今年一番面白かった本」という企画で紹介された本のまとめになります。...
View Article
