Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Preferred Networks会社概要

Preferred Networks会社概要

Preferred Networks

June 25, 2024
Tweet

More Decks by Preferred Networks

Other Decks in Business

Transcript

  1. 2 Preferred Networks(PFN)会社概要 設立 本社 代表取締役 従業員数 事業内容 主要子会社 出資企業

    2014年3月26日 東京都千代田区 西川徹(最高経営責任者)、岡野原大輔(最高研究責任者) 約300名(2024年1月) AIチップ、計算基盤、生成AI・基盤モデルなどのAI関連技術を 活用したソリューション・製品の開発・販売および研究開発 株式会社Preferred Computational Chemistry(2021年6月) 株式会社Preferred Robotics(2021年11月) 株式会社Preferred Elements(2023年11月) トヨタ自動車株式会社 ファナック株式会社 日本電信電話株式会社 ENEOS ホールディングス株式会社 中外製薬株式会社 株式会社博報堂DYホールディングス 株式会社日立製作所 三井物産株式会社 みずほ銀行株式会社 東京エレクトロン株式会社 ミッション: 現実世界を計算可能にする https://www.preferred.jp
  2. 3 AI関連技術を活用した製 品等の開発・販売 および研究開発 2014年3月設立 主なグループ会社 子ども向けプログラミン グ教室の経営・展開 2020年12月設立 やる気スイッチグループとの合弁

    マルチモーダル 基盤モデルの開発 2023年11月設立 PFNの100%子会社 自律移動ロボットの 開発・製造・販売 2021年11月設立 アマノ、三井住友銀行、 旭化成ホームズ等が出資 汎用原子レベルシミュ レータ Matlantisの販売 2021年6月設立 ENEOSとの合弁 三菱商事と業務資本提携
  3. 5 PFNの事業: AI技術の水平展開 生成AI・基盤モデル 社会 消費者 人間の能力の拡張 新しい創作表現・娯楽体験 安心・安全な社会 高度な教育・医療

    生産性向上・品質改善 属人化回避・人手不足解消 計算基盤 産業 AIチップ PFNは、AI技術のバリューチェーンを垂直統合し、産業、コンシューマー、社会に向けて様々な領域でソリューション・ 製品を水平展開しています。 工場・製造 エンタメ ロボット 小売・流通 ヘルスケア 創薬 素材・化学 教育
  4. 6 PFNの共同創業者 岡野原 大輔 (おかのはら・だいすけ) 共同創業者 代表取締役 最高研究責任者 西川 徹

    (にしかわ・とおる) 共同創業者 代表取締役 最高経営責任者 大学院在学中の2006年に、岡野原大輔等と自然言語処理などの ソフトウェア開発を行う株式会社Preferred Infrastructureを創 業。2014年3月に深層学習の実用化を加速するため株式会社 Preferred Networks(PFN)を創業し、現職。 1982年東京生まれ。2007年、東京大学大学院情報理工学系研究 科修士課程修了。2005年、IPA未踏ソフトウェア創造事業「抽象 度の高いハードウェア記述言語」採択。第30回ACM国際大学対 抗プログラミングコンテスト世界大会19位。2013年 Iソフト ウェアジャパンアワード受賞。 大学院在学中の2006年に、西川徹等とPreferred Networks (PFN)の前身となる株式会社Preferred Infrastructureを創 業。2014年3月にPFNを創業し、現職。Preferred Computational Chemistry、Preferred Elementsの代表取締役社 長を兼任。 1982年福島生まれ。 2010年、東京大学で博士(情報理工学)取 得。2005年、IPA未踏ソフトウェア創造事業でスーパークリエー タに認定。2022年「現代の名工」(データサイエンティスト)、 同年KDDI Foudnation Award 本章受賞。
  5. 7 PFN創業までの歩み 岡野原 大輔 共同創業者 代表取締役 最高研究責任者 西川 徹 共同創業者

    代表取締役 最高経営責任者 西川と岡野原、東京大学でクラスメイトとして出会う IPA未踏ソフトウェア創造事業 (西川)「抽象度の高いハードウェア記述言語」採択 (岡野原)スーパークリエータ認定 (西川)第30回ACM国際大学対抗プログラミングコンテスト世界大会19位 2005年 2001年 3月 Preferred Infrastructure (PFI) 創業 (岡野原)NLP若手の会シンポジウム最優秀発表賞、東京大学総長賞、 言語処理学会優秀発表賞など、研究成果による受賞多数 (西川)情報処理学会ソフトウェアジャパンアワード受賞 2006年 2007年 (西川)東大大学院 情報理工学系研究科 修士課程 修了 2010年 (岡野原)東大大学院 情報理工学系研究科 博士課程 修了 2013年 2014年 3月 PFN創業
  6. 8 PFNの行動規範 Motivation- Driven Learn or Die 熱意を元に Proud, But

    Humble Boldly do what no one has done before 死ぬ気で学べ 誇りを持って、 しかし謙虚に 誰もしたことがないこ とを大胆に為せ 詳細: https://www.preferred.jp/ja/company/values/ PFNメンバーの行動規範は「PFN Values」として4つの項目にまとめられています。この4項目は「PFNらしさ」を特徴づ けるもので、PFNメンバーが日頃大切にしている価値観を表しています。
  7. 9 PFNの強み AI関連技術・人材 計算資源 ドメイン知識 • NeurIPS、AAAI、ICRAなど世界 トップのAI・機械学習関連学会 での論文採用実績 •

    Kaggle*称号保持者、ICPC*世界 大会出場経験者が多数在籍 • 深層学習フレームワークChainer™ を2015年に開発、現在はPyTorch の主要コントリビュータ • 大規模なスーパーコンピュータを 自社運用 • AI向けプロセッサーMN-Core™ シリーズを神戸大と共同開発 • 自社開発のスパコンMN-3が Green500*で電力効率世界1位を 3度獲得 • 産業ロボット、自動車、製薬、エ ネルギー等のリーディング企業と の共同研究実績 • PFN Values(行動規範)に掲げる 「死ぬ気で学べ」の精神で各業界 ドメイン知識を学ぶ姿勢 • 様々なドメインの専門家が在籍 *Kaggle: 世界中の機械学習・データサイエンスに関わる人々のコミュニティーで、企業・政府などが提示した課題に対して最も精度の高いモデルの開発を競う世界的なコンペティション *ICPC: 国際大学対抗プログラミングコンテスト *Green500: 世界のスーパーコンピュータの性能上位500(TOP500)のうち、電力効率を評価するランキング
  8. 10 PFNのAI関連技術 コンペ・論文の実績 機械学習関連コンペの受賞実績 • 世界5位・9位(616チーム中):AIモデルの実行速度を予測するKaggleコンペ 「Fast or Slow? Predict

    AI Model Runtime」-2023/11 • 世界4位・5位 (国内1&2位, 2,662チーム中):LLMが作成した科学分野クイズの 解答精度のKaggleコンペ「LLM Science Exam」-2023/10 • 世界3位(954チーム中)衛星画像内の飛行機雲を識別して気候変動への影響の 軽減を目指すKaggleコンペ「Google Research - Identify Contrails to Reduce Global Warming」- 2023/8 • 世界2位 (1,231チーム中):生成AIの画像からテキストの埋込み表現を予測する Kaggleコンペ「Stable Diffusion - Image to Prompts」-2023/5 • 世界2位 (936チーム中):連続重力波を検出するKaggleコンペ 「G2Net Detecting Continuous Gravitational Waves」-2023/1 • 世界1位 (1,220チーム中):骨髄内の造血幹細胞が血液細胞に成長する過程 におけるDNA・RNA・タンパク質組成変化の予測精度のKaggleコンペ 「Open Problems - Multimodal Single-Cell Integration」-2022/11 • 世界1位 (1,588チーム中): クジラとイルカの個体識別精度の Kaggleコンペ「Happywhale」-2022/4 • 世界3位 (1,547 チーム中): 胸部 X 線画像カテーテル挿入位置評価精度の Kaggleコンペ「Kaggle RANZCL CliP」- 2020/12 • 世界4位 (935 チーム中): 自動運転モーション予測のKaggleコンペ 「Lyft Motion Prediction for Autonomous Vehicles」- 2020/12 • 汎用原子レベルシミュレーターMatlantis™のコア技術「PFP」に 関するPFNとENEOSの共著論文が、英科学誌Nature Communicationsに掲 載、「AIと機械学習」および「材料科学・化学」の2部門でEditor’s Highlightsに選出(2022/5) • Human-computer interaction (CHI 2020) 最優秀論文賞(2019/10) • IEEE International Conference on Robotics and Automation (ICRA 2018) Human-Robot Interaction部門最優秀論文賞 (2018/5) この他にも、NeurIPS、AAAI、ICML、CVPR、ICLR、ICCVなどの世界のトッ プカンファレンスで採択論文多数 国際学会/学術誌での論文採択・受賞実績 • 世界3位 (193チーム中): 画像認識のKaggleコンペ 「Open Images 2019 Instance Segmentation 部門」- 2019/10 • 世界6位 (1,499チーム中): 胸部X線画像肺炎検出のKaggleコンペ 「RSNA Pneumonia Detection Challenge」- 2018/11 • 世界2位 (454 チーム中): 画像認識のKaggleコンペ 「Google AI Open Images - Object Detection Track」- 2018/9 詳細: https://www.preferred.jp/ja/company/awards/ 詳細: https://tech.preferred.jp/ja/publications/
  9. 11 2023年 • MN-Core™シリーズ:CEATEC2023「アドバンストテクノロジー部門準グランプリ」 • PFN 3D Scan:日経優秀製品・サービス賞 「最優秀賞」 2022年

    • 岡野原大輔が「卓越した技能者(現代の名工)」(データサイエンティスト)を受賞 • 新経済連盟 JX Awards 2022 「選考委員特別賞」 • Matlantis™の技術の論文がNature Communications Editor’s Highlightに選出 2021年 • Playgram™:第18回日本e-Learning大賞 • MN-3(MN-Core™搭載):スパコン電力効率ランキング「Green500」世界1位(3度獲得) 2019年 • 第5回日本ベンチャー大賞「内閣総理大臣賞」 2018年 • Chainer™:日経優秀製品・サービス賞「日本経済新聞賞(最優秀賞)」 2017年 • 第3回日本ベンチャー大賞「経済産業大臣賞」 • Technology Award, FT ArcelorMittal Boldness in Business Awards 2016年 • Amazon Picking Challenge 2016 商品取り出しタスク 世界2位、商品格納タスク 世界4位 PFNの主な受賞歴 詳細: https://www.preferred.jp/ja/company/awards/
  10. 12 PFN組織図 経営企画 ソリューション プロダクト& サービス インフラ コーポレート サービス 管理部門・情報セ

    キュリティ部門 計算基盤の設計 ・運用、半導体の 開発・製造 お客様向け製品の開 発・販売・保守、 サービスの運用 企業との共同研究開 発、技術支援、事業 シードの創出 Materials & Drugs 材料探索、創薬 等、ヘルスケア リテール 小売業向け製品の 開発・保守 株主総会 LLM・基盤モデルの 研究開発 代表取締役 取締役会 経営会議 監査等委員会 内部監査室 (100%子会社)
  11. 14 MN-Core™シリーズ 省電力AIプロセッサー MN-Core TSMC 12nmプロセスで製造 2020年稼働開始 MN-Core 2 TSMC

    7nmプロセスで製造 2023年稼働開始 PFNは、AI/基盤モデルの開発に必要な高速かつ莫大な計算力を賄うため、AIの学習を高速化し、 電力効率の高いAIプロセッサー「MN-Coreシリーズ」を神戸大学と共同開発しています。 第1世代 第2世代 AIチップ 詳細: https://projects.preferred.jp/mn-core/
  12. 15 MN-Core™シリーズの設計思想 MN-Coreシリーズでは、通常はハードウェアに搭載される制御などの機能をソフトウェアが担う ことで、ハードウェアの演算器面積を最大化しました。これにより、高い演算性能と電力効率を 実現しています。 AIチップ 最適化 コード生成 汎用プロセッサー MN-Coreシリーズ

    ソフトウェア レジスタ 演算器 命令 スケジューラ キャッシュ コントローラ ネットワーク 制御回路 ハードウェア DRAM I/F オンチップ・メモリ オンチップ・ネットワーク 最適化 コード生成 ソフトウェア 命令 スケジューラ キャッシュ コントローラ ネットワーク 制御 レジスタ 演算器 ハードウェア DRAM I/F オンチップ・メモリ オンチップ・ネットワーク 詳細: https://projects.preferred.jp/mn-core/
  13. 19 生成AI・ 基盤モデル PFNグループが目指すマルチモーダル基盤モデル PFNは、マルチモーダル基盤モデル*にセンサー値や分子構造などの専門的データを扱う特化型 基盤モデルを組み合わせ、言語だけを扱うモデル(LLM)では対応しきれない複雑な問題を解 決する社会・産業の共通基盤として実用化することを目指しています。 マルチモーダル  基盤モデル チャット

    テキスト 写真 + 特化型 基盤 モデル + 特化型 基盤 モデル + 特化型 基盤 モデル + 特化型 基盤 モデル 動画 3D ロボット センサー 分子 構造 ゲノム プラント センサー 学習データ サービス 専門的なアプリケーション *マルチモーダル基盤モデル: 大規模言語モデル(LLM)がテキストのみを扱うAIモデルなのに対し、テキスト、画像、音声など複数の種類(モダリ ティ)の大規模データで訓練され、コンピュータが現実世界を理解する「一般常識」となるAIモデル。
  14. 20 生成AI・ 基盤モデル PLaMo™ PFNグループのマルチモーダル基盤モデル • 1000億パラメータのPLaMo-100Bを2024年夏頃にリリース予定 ◦ 日本語タスク、金融、医療など専門領域で高性能を目指す ◦

    マルチモーダル基盤モデルとして画像、音声に対応 • より軽量なモデル、特定タスクに強いモデルなども順次リリース予定 *PLaMo-100Bは、子会社のPreferred ElementsがNEDO(国立研究開発法人新エネルギー・産業技術総合開発機構)の助成 事業「ポスト5G情報通信システム基盤強化研究開発事業」(JPNP20017)に採択され、日本の基盤モデル開発力向上を目 指すGENIACプロジェクトで開発しています PLaMo™(プラモ)は、PFNグループが独自に開発する生成AI/基盤モデルです。現在開発中の PLaMo-100B*は、既存の大規模言語モデルをベースに用いず、PFN子会社のPreferred Elements がゼロから独自に新規開発しているモデルです。 詳細: https://www.pelements.jp/#product
  15. 24 プラント自動運転AIシステム ブタジエン抽出装置 常圧蒸留装置 ソリューション・製品 ENEOS川崎製油所のブタジエン抽出装置および原油処理を行う常圧蒸留装置の自動運転AIシステムをENEOSとPFNが 共同開発。手動操作を超える経済的で安定的かつ高効率な運転を達成し、常時自動運転中。人の技量に左右されない 大規模かつ複雑なプラントの安定運転を可能にする自動運転システムとして、ENEOSの他製油所への展開および外部 への一般販売を計画しています。 AIシステムは、外気温変化、天候(降雨)、冷却水温変化、原料

    性状変化などの各種外乱存在下でも安定的に制御することができ ている。運転重要因子を目標値に近い値で制御できることによ り、より制約値に近い運転が可能となる。 2021年12月にブタジエン抽出 装置のAIシステムによる自動 運転に成功。2023年1月より 常時自動運転を開始。 • 入力センサー数: 363 • 制御対象要素数: 13 • 同時操作バルブ数: 9 詳細: https://www.preferred.jp/ja/news /pr20230731/ 2024年5月に世界初となる常圧 蒸留装置のAIシステムによる自 動運転を開始。原油種の切り替 え時の変動調整作業にも対応。 • 入力センサー数: 930 • 制御対象要素数: 24 • 同時操作バルブ数: 13 詳細: https://www.preferred.jp/ja/news/ pr20240524/ 課題 • プラント運転制御・操作には 熟練の技術や知識が必要 • 24時間体制、人手不足 工場・製造
  16. 25 Preferred Networks Visual Inspection 外観検査ソフトウェア 詳細: https://pvi.preferred-networks.jp/ Preferred Networks

    Visual Inspection はPFN独自の深層学習モデルにより、高い精度と柔軟性を低コストで実現 する外観検査ソフトウェアです。わずか100枚程度のデータ画像に良品/不良品の分類を行うだけで学習でき、詳 細なアノテーションも不要なので、短期間・低コストでの検査システム構築が可能です。 種別
 データ数
 良品判定
 不良品
 判定
 良品
 850
 850
 0
 不良品
 128
 0
 128
 DAGM2007 Class 1 学習:評価=2:8で学習10分 コンペデータセットで過検知・検知漏れゼロ 検知漏れ 極小 疑わしい物は人が検査 しきい値の調整も可能 1. PFN独自の深層学習モデル 2. わずか100画像から学習可能 3. アノテーションを簡易化 4. 不良箇所を可視化 5. GUIによる直感的な操作 6. 柔軟・迅速なシステム立ち上げ 課題 • 不良品の学習データが希少 • 従来は学習データの詳細な アノテーションが必要 ソリューション・製品 工場・製造
  17. 27 Matlantis™ 材料探索用の汎用原子レベルシミュレーター PFNは、持続可能な未来を実現する新しい電池材料、半導体、合成燃料向け触媒、潤滑剤などの新素材の探索を従来の 1万倍以上高速化する汎用原子レベルシミュレーターMatlantis™をENEOSと共同で開発。共同出資会社Preferred Computational Chemistry(PFCC)がクラウドサービスとして国内外80以上の企業・団体に提供しています。 課題 • 従来材料の持続可能性の限界

    • 新素材の探索にかかる莫大な時間 とコスト 触媒 電池 半導体 合金 潤滑剤 セラミック 吸着剤 分離膜 72元素のあらゆる組み合わせで分子、 結晶など幅広い材料の種類に対応 未知の材料の物性等も従来の1万倍以上 (最大2,000万倍)の速度でブラウザ上で シミュレーション サステナビリティに貢献する多様な材料 の探索を高速化 詳細: https://matlantis.com/ 3,300万以上の構造からなるMatlantisの訓練データの生成に は、1台のGPUで処理すると1,650年かかる計算量が費やされ ています。 Matlantisのニューラルネットワークポテンシャル「PFP」は、PFNのスーパーコン ピュータおよび国立研究開発法人産業技術総合研究所のAI橋渡しクラウド(ABCI) を用 いて開発されました。 ソリューション・製品 素材・化学
  18. 28 AI創薬 PFNは自社のAI技術と計算基盤を用い、従来の技術では莫大なコストと時間のかかる医薬品のリード化合物の探索 を高速化するAI創薬技術を開発・提供しています。 コンピューター上で100万 以上の化合物の分子構造 を生成 Optuna™の最適化等を 経て候補を絞り、13の 化合物を実際に合成

    そのうち7化合物でウイル スの増殖に要する酵素を阻 害する活性を確認 詳細: https://projects.preferred.jp/drug-discovery/ 課題 • 医薬品の基礎研究から製造・販売ま で一般に10年以上・数百億円以上 • 成功率は2万分の1以下 京都薬科大学との共同研究 創薬 ソリューション・製品 2021年の京都薬科大学との共同研究ではPFNの技術を用い、新型コロナウイルス の働きを阻害する構造を持つ化合物を発見しました。 (図はイメージ) P-FEP: 創薬研究受託計算サービス 新薬のリード化合物として可能性のある低分子化合物の 結合活性値を、実際に合成する前にコンピュータ上で高 精度に予測する「RBFEP計算」をPFN所有のスーパーコ ンピュータで受託するサービス。 詳細: https://tech.preferred.jp/ja/blog/pfep-launch/ 既知FEP用ベンチマークセットを使用したP-FEPの計算予測精度 J.Am. Chem. Soc. 2015, 137, 2695 J.Chem. Inf. Model. 2020, 60, 5457
  19. 34 PFN 4D Scan ボリュメトリック・スキャンシステム PFNは、PFN 3D Scanと同様の技術を応用し、スポーツや演技など動きのある対象を現実の三次元空間でスキャンし (専用スタジオ不要)、同じ時間軸で動く3Dアニメーション映像として仮想空間に復元するボリュメトリック・スキャンシステム PFN

    4D Scanを開発しました。今後、映像制作などに応用することを目指しています。 課題 • 3D映像の撮影にはグリーンバック のある専用スタジオが必要 • 人手による細かい作業が必要 詳細: https://pfn3d.com/4d/ https://youtu.be/6lnbwFLIEjU https://youtu.be/xbngQWtmtQ8 実際にスキャンしたシーンを用いた動画の例 水の反射や動きも忠実に再現されており、一時停止した状 態でも自由視点での閲覧が可能。 遠くの背景も三次元的に再現されており、布の動きも実物 に忠実に再現。 水族館 ダンス ソリューション・製品 エンタメ
  20. 35 エンターテインメント PFNはエンターテインメントの分野でも個人やクリエイティブ産業に向け、AI技術を活用した新しい表現・体験や 制作手法を提案・提供しています。 課題 • 絵を描くにはかなりのスキルと時間 が必要 • 従来技術によるエンタメ体験の限界

    詳細:https://pfn3d.com/4d/ 2022年4月よりキャラクター生成プラットフォーム Crypkoをウェブサービスとして提供。男女キャラクター イラストを自動生成。生成したキャラクターの融合、属性 変更、共有等により、人々の創作活動を支援。 2023年6月 ChatGPTを使ったチャット機能 2024年3月 旅行写真合成機能Crypkoトラベル 詳細: https://crypko.ai/ Crypko™ Crypkoをプラットフォームとして利 用したスマートフォン向けの新しい エンターテインメントアプリとして 2022年10月に『進化する少女型情報 体MEMES/ミームズ』提供開始。 詳細: https://memes.crypko.ai/ 進化する少女型情報体 MEMES/ミームズ Scenify™ 2021年3月にPFNの背景美術制作支援ツー ルScenify™を東映アニメーションが映像 制作に活用。現実の風景写真を変換するこ とにより、美術クリエイターが画像の前処 理工程に要する時間を従来の約1/6に大幅 短縮。 ソリューション・製品 エンタメ
  21. 37 ロボット PFNは「すべての人にロボットを」というミッションを掲げ、ロボティクスや画像認識、強化学習などロボット関連 基礎技術の研究開発を行っています。2021年11月に自律移動ロボットの開発・販売を行う子会社Preferred Robotics (PFRobotics)を設立し、その技術はPFRoboticsの製品に活かされています。 小型床洗浄ロボットHAPiiBOT (2022年9月よりアマノが販売) 詳細: https://www.amano.co.jp/hapiibot/

    https://youtu.be/-dkSf5Wor64 自律移動ロボット カチャカ (2023年5月よりPFRoboticsが販売) 詳細: https://kachaka.life/ https://youtu.be/u_i2X43dBGw • 自己位置推定とマッピング(SLAM)、ナビ ゲーション、画像認識、音声認識、ハード ウェアを高度に融合 • 環境変化の激しい住空間や店舗での柔軟な自 律移動を実現 • 人の声や専用アプリの指示で専用家具を牽引 し、指定場所まで自動搬送 • 大規模言語モデルと連携して自然な会話で指 示が可能 • 歯科診療所向けモデル、飲食店向け配膳シェ ルフなど、家庭用以外の用途にも拡大中 詳細: https://www.pfrobotics.jp/ ソリューション・製品 ロボット