2026年3月 Preferred Networks 会社概要 

Preferred Networks (PFN) 会社概要 www.preferred.jp ミッション 設⽴ 本社 代表取締役 従業員数 事業内容 主要⼦会社 現実世界を計算可能にし、共に未来を創り出す 2014年3⽉26⽇ 東京都千代⽥区 ⻄川徹（共同創業者、代表取締役会⻑） 岡野原⼤輔（共同創業者、代表取締役社⻑） 約400名（2026年3⽉） AI半導体、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 Matlantis株式会社（2021年6⽉設⽴） 株式会社Preferred Robotics（2021年11⽉設⽴） 株式会社Preferred Computing Infrastructure（2025年1⽉設⽴） 

Preferred Networks 出資企業 （50⾳順） SBIグループ NTT株式会社 ENEOSイノベーションパートナーズ合同会社 株式会社講談社 信越化学⼯業株式会社 SUMISEI INNOVATION FUND 積⽔ハウス投資事業有限責任組合 中外製薬株式会社 TBSイノベーションパートナーズ3号投資事業 組合 TEL Venture Capital, Inc.  東映アニメーション株式会社 トヨタ⾃動⾞株式会社 株式会社⽇本政策投資銀⾏ 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 ファナック株式会社 株式会社みずほ銀⾏ 三井住友信託銀⾏株式会社 三井物産株式会社 三菱商事株式会社 三菱UFJ信託銀⾏株式会社 株式会社ワコム 他 

4 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 AI向けクラウド サービスの提供・運用 2025年1月設立 三菱商事・IIJとの合弁 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 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 

5 PFNの事業: AI技術のバリューチェーンを垂直統合 AIプロダクト‧ ソリューション 計算基盤 AI半導体 ⽣成AI基盤モデル MN-Core MN-Core 2 GPUクラスタ MN-3 (MN-Coreクラスタ) ⼤規模⾔語モデル 次世代 MN-Core 2を計算資源とした クラウドサービス 物質のエネルギー計算モデル PFP MN-Core L1000 （2027年提供予定） Preferred Networks (PFN)は、AI技術のバリューチェーンを構成するAI半導体、計算基盤、生成AI基盤モデル、 AIプロダクト・ソリューションという4つのレイヤーすべての技術を自社で開発しています。この4レイヤーのノウ ハウを垂直統合し、技術的難易度の高い問題を解決するために最適な技術の組み合わせを提案・提供します。 様々な産業向けのAIソリューション‧製品 

6 PFNの事業: 幅広い業界をサポート PFNは、AI技術のバリューチェーンを⽣かし、様々な業界でAIソリューション‧製品を提供しています。 製造業 プラント⾃動化、異常検知、⼯作機械等 素材‧化学品 材料探索、材料開発等 製薬‧ヘルスケア 創薬、画像診断⽀援等 エンターテインメント コンテンツ制作⽀援、ゲーム等 ⼩売‧流通 チェーンストア業務改善、搬送⾃動化等 ⾦融 ⾦融特化型LLM、数理ファイナンス等 公共サービス 政府‧⾃治体向けLLM、気象予測等 教育 プログラミング教材、タイピング教材等 エンタープライズ 業務効率化 

7 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 社長 西川 徹 （にしかわ・とおる） 共同創業者 代表取締役 会長 東 京 大 学 大 学 院 在 学 中の2006年にプログラミングコンテスト （ACM/ICPC） 世 界 大 会 に 出 場 したメンバー 等 と 株 式 会 社 Preferred Infrastructureを創業し、2014年にAIの実用化を加速さ せるため株式会社Preferred Networks（PFN）を創業。最高経営責 任者として指揮を執り、在任期間に独自開発の省電力AIプロセッ サーMN-Core™を 搭 載 したスーパーコンピュータMN-3が Green500リストで電力効率世界1位を3度獲得。2025年11月に会 長に就任。 情報理工学博士。東京大学大学院在学中に、西川徹等とPreferred Infrastructureを創業。2014年にAIの実用化を加速するため Preferred Networksを創業。最高技術責任者として国産大規模言 語モデルPLaMo™や汎用原子レベルシミュレータMatlantis™な ど、PFNの生成AIをはじめとするコア技術の研究開発および事業 化をリード。2025年11月に社長に就任。Matlantis株式会社の代 表取締役社長を兼任。受賞歴、著書多数。 

8 PFN創業までの歩み 岡野原 大輔 共同創業者 代表取締役 社長 西川 徹 共同創業者 代表取締役 会長 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 

9 PFNのバリュー Learn or Die Beyond Customer Expectations 死ぬ気で学ぶ Think Big, Act Quick Be Proactive お客さま目線の、 その先へ 大きく考え、 素早く動く 自らコトをおこす 詳細: https://www.preferred.jp/ja/company/values/ PFNメンバーのバリュー（行動規範）は「PFN Values」として5つの項目にまとめられています。 この5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。 Respect & Unite 敬意を持って、 チームとして団結する 

10 PFNの強み AI関連技術・人材 計算資源 ドメイン知識 ● 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 ● ハイパーパラメータ最適化フレーム ワークOptuna™、GPU向け汎用配 列計算ライブラリCuPy™などの OSSを開発 ● 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 「死ぬ気で学ぶ」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 

11 PFNのAI関連技術 コンペ・論文の実績 機械学習関連 Kaggleコンペの実績 ● 世界5位（1,858チーム中）：生徒の数学の解答説明文から潜在的な「誤解」の 種類を予測する「MAP-Charting Student Math Misunderstandings」ｰ2025/10 ● 世界10位（1,915チーム中）：MR画像を使用して変性腰椎状態の分類を行う 「RSNA 2024 Lumbar Spine Degenerative Classification」 - 2024/10 ● 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 「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「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「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 「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「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を予測する「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「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 「RANZCL CliP」- 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4位 (935 チーム中): 自動運転モーション予測「Lyft Motion Prediction for Autonomous Vehicles」- 2020/12 ● 世界3位 (193チーム中): 画像認識「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「RSNA Pneumonia Detection Challenge」- 2018/11 ● 世界2位 (454 チーム中): 画像認識「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/ 

12 ● PLaMo™: 日経優秀製品・サービス賞「最優秀賞」（2025） ● PLaMo™: GENIAC モデル賞、技術ナレッジ証（2024）、社会実装賞、コミュニティ賞（2025) ● 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」(2023) ● PFN 3D Scan：日経優秀製品・サービス賞 「最優秀賞」(2023) ● 岡野原大輔:「卓越した技能者（現代の名工）」（データサイエンティスト） (2022) ● PFN: 新経済連盟 JX Awards 2022 「選考委員特別賞」 (2022) ● Matlantis™: コア技術の論文がNature Communications Editor’s Highlightに選出 (2022) ● Playgram™：第18回日本e-Learning大賞 (2021) ● MN-3 (MN-Core™搭載)：スパコン電力効率ランキング「Green500」世界1位（2020-2021に3度) ● Chainer™：日経優秀製品・サービス賞「日本経済新聞賞（最優秀賞）」(2018) ● PFN: 第3回日本ベンチャー大賞「経済産業大臣賞」(2017) ● PFN: Technology Award, FT ArcelorMittal Boldness in Business Awards (2017） ● PFN: 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 (2016) PFNの主な受賞歴 詳細: https://www.preferred.jp/ja/company/awards/ 

13 AIプロダクツ& ソリューションズ 事業本部 LLM開発 事業本部 AIコンピュー ティング 事業本部 マテリアルズ &ドラッグ ディスカバリー 事業本部 リテール ソリューションズ 事業本部 株主総会 代表取締役 取締役会 経営会議 監査等委員会 内部監査室 経営企画本部 技術企画本部 コーポレート サービス本部 PFN組織図 

14 PFNは、政府のガイドラインに沿ったAIガバナンスの体制を構築し、PFN AIポリシーと経営陣のコミットメントの もと、ガバナンスとイノベーションを両立する開発手法を追求しています。また、政府のAI戦略や国際的枠組みへ も積極的に貢献しています。 AIガバナンス推進体制 経営陣のコミットメント 政府・国際的枠組への貢献 ● 総務省・経産省のAI事業者ガイドライン・ 業界団体のAIプロダクト品質保証ガイド ラインに沿ったガバナンス体制 ● AIガバナンスとイノベーション促進を両立 する開発手法を提示 ● 経営陣が経営ガバナンスの一環として AIガバナンスを実施 ● 代表取締役社長が委員長を務めるリス クコンプライアンス委員会がAIリスクマ ネジメントを統括 ● 総務省・経産省AI事業者ガイドライ ン、内閣府AI時代の知的財産権検 討会に委員として参加 ● G7が主導する広島AIプロセス*に協 力 *広島AIプロセス: 2023年にG7首脳に承認された、安心で信頼できる高度な AIシステムの普及を目的とした指針と行動規範からなる国際的政策枠組み。 PFNのG7 Hiroshima AI Process (HAIP) Transparency Reportはこちら: https://transparency.oecd.ai/reports/a86f4925-5cd5-4af7-b4f6-1b1f0984419e 取締役会 リスク・コンプライアンス委員会 委員長：最高経営責任者 事業部門 リスク評価 委員会 AI ガバナンス 推進 AIリスク管理指示・リスク等情報共有 報告 人間中心の考え方 安全性、公平性、プライバシー AI事業者ガイドライン (経済産業省) セキュリティ、透明性、アカウンタビリティの確保と 誤った情報・動作の防止 AIプロダクト品質保証ガイドライン (QA4AI) 専門知識・AIプロダクトの犯罪・犯罪行為への悪用、 権利侵害の防止および社会倫理の確保 PFN AIポリシー PFN AIガバナンス方 針 PFN AI品質 ガイドライン プロジェクト 開発方針 PFNのAIガバナンス 

Preferred Networks 事業概要 

16 MN-Core™シリーズのロードマップ PFNはAIの計算資源としての半導体の需要増をいち早く予測し、2016年にAIプロセッサーMN-Core™シ リーズ第１世代の開発を開始、現在は第2世代のMN-Core 2が稼働中。また、生成AIの推論（利用）に必 要な計算処理に特化した高バンド幅半導体の開発・製品化を進めています。 詳細: https://projects.preferred.jp/mn-core/ MN-Core (TSMC 12nm) AI学習・AI推論・HPC 2016年～開発 2020年～社内利用 2023年～計算力社外提供 MN-Core 2 (TSMC 7nm) AI学習・AI推論・HPC 2023年～試験運用 2024年～社外販売・ PFCP™で計算力社外提供 2016 2020 2023 2027～ MN-Core L1000 AI推論 2024年～開発中 2027年提供予定 MN-Core L2000 大規模AI推論・HPC 2025年～開発中 開発中 次世代 AI学習 大規模AI推論・HPC 検討中 

17 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。 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/ 

18 PFNは、ハードウェアとソフトウェアを高度に融合させ、AI開発に必要な膨大な計算を効率的に実行す るための独自の計算機クラスター（スーパーコンピュータ）を複数運用し、社内の研究開発やパート ナー企業にその計算力を提供しています。 GPUクラスター MN-Core™クラスター （MN-3） MN-Core™ 2を搭載した MN-Server 2 （2024年から販売） 2024年稼働開始予定 自社運用のスーパーコンピュータ 詳細: https://projects.preferred.jp/supercomputers/ 

19 計算基盤の電力効率 電力効率と面積当たりの演算性能が高い計算基盤を追及しています。独自のAI半導体 MN-Core™（第1世代）を搭載したMN-3は、スーパーコンピュータの電力効率ラン キングGreen500で2020年6月、2021年6月、2021年11月に世界1位を3度獲得しま した。 Jun. 2021 No. 1 Jun. 2020 No. 1 Nov. 2021 No. 1 詳細: https://projects.preferred.jp/supercomputers/ 

20 AI向けクラウドサービス Preferred Computing Platform™（PFCP™） AI開発で培われたPFN独自の計算基盤技術とインフラ環境をAI開発事業者向けにクラウドサービスとして 2024年10月に提供を開始しています。 アクセラレータ MN-Core 2 × 8基 CPU Intel® Xeon® Platinum 8480+(2.0GHz) 　 プロセッサーx 2基，合計112コア 倍精度理論演算 性能 8,960 GFlops メモリ 1,024GiB ストレージ システムSSD 960GB 作業用SSD 15.3TB SSD ノード間 ネットワーク 100Gbps Ethernet x4 OS・ ソフトウェア KubernetesのPod上で動作するMN-Core 2がそのまま利用可能なコンテナイメージ 利用料金 （税別） 月額基本料: 1万円 サーバ月額専有サービス: 170万円/台 MN-Server 2 スペック MN-Server 2 

国産フルスクラッチ開発の基盤モデル PLaMo™ GENIAC 第1期 技術モデル賞、ナレッジ賞 GENIAC 第2期 社会実装賞、コミュニティ賞 GENIAC 第3期 モデル賞 2025年日経優秀製品・サービス賞 最優秀賞 PLaMo(プラモ)は、独自アーキテクチャで日本語を豊富に含む高品質な学習データでフルスクラッ チで開発した国産の生成AI基盤モデルです。同等サイズのモデルの中で世界最高クラスの日本語知 識と指示追従性を実現しており、各モデルが各企業や自治体、政府機関などに導入されています。 

PLaMoの各モデルと提供先 plamo-fin-prime カスタマイズドモデル SBI生命　議事録アプリ TEX SBIホールディングス　業務用AIエージェント SBI AI Portal miibo　会話型AI構築プラットフォーム miibo MC Digital　法人向け生成AIサービス Tachyon 生成AI Polimill　自治体向け生成AIアプリケーション QommonsAI 商用フラッグシップ 小規模言語モデル 企業・団体ユーザー（自動車やロボット、 製造設備、PCなど のエッジデバイスへの組み込みやオンプレミス環境） 金融機関等 企業・団体ユーザー 追加学習・ 小型化等 PLaMo翻訳ユーザー、デジタル庁「源内」ユーザーなど 金融特化型モデル 翻訳特化型モデル PLaMoはフルスクラッチで開発しているため、用途に合わせて特化型モデルの開発ができ、性能を 維持したまま小型化することでクラウドを介さないオンプレミス環境での利用も可能です。 

23 大規模言語モデル構築支援プログラムにてABCI（AI橋渡しクラウド）を使って PLaMo-13Bを開発・オープンモデルとして公開 GENIAC 第1期の成果としてPLaMo-100B-Pretrainedをオープンモデルとして公開 フラッグシップモデルPLaMo Primeのクラウド型APIとPLaMo Chatを提供開始 10月 2023年9月 金融特化型PLaMo（Fin-Prime）の提供開始 12月 2025年 1月 金融特化型のPLaMo-fin-baseの提供開始 5月 GENIAC 第2期の成果をベースとした PLaMo 2.0 Primeの提供開始 6月 8月 日本語の翻訳に特化したPLaMo翻訳の提供開始（オンプレミス提供） 小規模言語モデル（SLM）PLaMo Liteの提供開始 2024年8月 PLaMo翻訳のChromeおよびFirefoxブラウザ拡張機能を提供開始 GENIAC 第3期で「自律稼働デバイスに向けた高精度軽量VLMの開発」を開始 GENIAC 第1期 2024年2ｰ8月 GENIAC 第2期 2024年10ｰ翌年2月 GENIAC 第3期 2025年8月-翌年2月 PLaMo翻訳のサブスクリプションサービスを開始（10/10～） 10月 デジタル庁が推進するガバメントAI「源内」にPLaMo翻訳が搭載される 12月 2026年 1月 2025年日経優秀製品サービス賞の最優秀賞をPLaMo 2.0 Primeが受賞 リーズニング機能を備えたPLaMo 3.0 Primeβ版のモニター企業募集開始 3月 PLaMo開発のマイルストーン 

Preferred Networks 主なAIプロダクト・ソリューションの紹介 

25 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 ENEOS川崎製油所内の装置の自動運転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、原油を処理する常圧蒸留装置で常時自動運転中。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。 ● 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/ 解決する課題 ● 高齢化等による熟練運転員不足 ● 人の技量による左右 

26 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。 自動車、電子デバイス、鉄鋼、食品、半導体や建築など、すでに200社以上の導入実績があります。 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 解決する課題 ● 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 

27 PFNは、2015年からファナックと共同研究開発を行い、物体認識、制御、異常検知、最適化などの技術を 産業用ロボット・工作機械に適用しています。機械学習・深層学習を活用した新機能は2017年から ファナック商品に実装され、製造現場への導入が進んでいます。 工場自動化 AI熱変位補正 射出成型機の バックフローモニタ AIサーボチューニング AIサーボモニタ AIバラ積み取り出し AI良否判定機能 

28 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。グループ会社の Matlantis株式会社がクラウドサービスとして国内外150以上の企業・団体に提供しています。 解決する課題 ● 従来材料の持続可能性の限界 ● 新素材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 96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/ 5,900万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2,264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。 

29 AI創薬 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/ 解決する課題 ● 医薬品開発には一般的に10年以上 ・数百億円以上のコスト ● 成功率は2万分の1以下 京都薬科大学との共同研究 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 

30 タレントスカウター AI面接サービス 面接官との時間調整や移動なしで、 いつでもどこでもオンラインでAIア バターとの面接が可能 求職者側 評価者側 面接シナリオを柔軟に設定可能、発 話内容・表情・視線など様々な評価 要素を取り入れることが可能 選考負担の大幅な軽減 評価時間を対面の30～60 分から5～10分に短縮 選考プロセスの効率化 採用担当者は人物面や自社 との相性評価に集中可能 適切な人材の採用促進 評価者による評価のバラツ キを解消 評価者側のメリット 生成AIを利用したAIアバターとの面接・対話ロールプレイを通じて求職者の実務に置ける適性評価 を支援。選考プロセスの効率化、優秀な人材の確保、面接官の負担軽減、求職者体験の向上などを 支援します。 解決する課題 ● 面接官・求職者の負担 ● 能力の多角的評価の難しさ ● 評価の属人化 詳細: talentscouter.preferredai.jp 

31 MiseMise™ チェーンストア向け業務改善プラットフォームMiseMise（ミセミセ）は、ソフトウェアとオペレーション の再定義、AI、ロボットの協業により、店舗運営からマーチャンダイジングまで改善支援、売上と利益を最 大化します。現在国内各地のチェーンストアで導入・実証中。 詳細: https://misemise.ai 解決する課題 ● 小売業界の人手不足 ● 欠品・品揃え不足 ● フードロス・廃棄ロス 品出しを効率化 在庫を削減 データ連携不要 の値引きでロス 率を最小化 自律移動で撮影、 欠品・棚札間違え・ 棚割をレポート 店内マップで お客様案内を サポート 棚割の意思決定 をAIがサポート 

32 PFN 3D Scan 3Dスキャンサービス AI技術を応用し、複数の画角で撮影した2D写真から実物の見た目に忠実な3Dモデルを出力するサービスで す。従来は3Dモデル化が難しかった透明・金属・黒色の物品などにも対応し、VRやEコマースなどの用途で3 万点近い物品のスキャンを実施しています。 解決する課題 ● 3Dモデルの制作にかかる手間 ● 従来技術では透明・金属・黒色の物 品の3Dスキャンが困難 詳細: pfn3d.com/3dscan 多視点でカメラ撮影 スキャン対象を 多視点で撮影 自社計算基盤で再構築 左: GPU　右: MN-Core™ 高品質3DCGを納品 短納期・低価格 実際に再構築した物品の3DCG 

33 3DCG映像制作ソリューション 現実空間の多視点写真を高精細3Dデータとして忠実に再現し、あたかもその空間でカメラを動かして撮影 したような写実的な動画やコンテンツが制作できます。映画・CMなどの映像制作やゲーム開発、観光や不 動産などのロケーションガイドなどに活用可能です。 解決する課題 ● 背景合成にともなう撮影の制約 ● 実写作品での3DCG制作の手間 詳細: pfn3d.com/vp https://youtu.be/tZb8xXBMMu4 実際に再構築した現実空間の3DCG 写真撮影 3D再構築 編集・合成 標準的な一眼レフカメラ だけで3DCG化したい現 実空間の多視点写真を多 数撮影 （大規模な設備は不要） AI技術を応用した技術3D Gaussian Splattingで実写 レベルの高精細3DCGを再 構築 （社内計算資源を使用） 専用のUnreal Engine向け拡 張機能を利用し編集、人物撮 影時にリアルタイム合成 （インカメラVFXにも対応） 撮影協力: 群馬県、角川武蔵野ミュージアム（角川文化振興財団） 

34 Playgram™ 小学生向けプログラミング教材 多くの人々がコンピュータで自由に発想を形にできる世界を目指してPFNが開発した教材。 やる気スイッチグループとの合弁会社YPスイッチが運営する「プログラミング教育HALLO」を通じ、全国 900教室以上*にフランチャイズ展開しています。 第18回（2021年度） 日本e-Learning大賞 未経験でも条件分岐、 変数・関数といったプ ログラミングの概念が 学べます。 例: “繰り返し”ブロック を使って与えられた例 の通りに花を植える問 題。 アドバンスモードでは コンピュータサイエン スの基礎も楽しく学べ ます。 https://youtu.be/Reh9jXUX7CU 

35 Omega Crafter™ 自動化が楽しいオープンワールドサバイバルクラフトゲーム ブロックを組み合わせる簡単なプログラミングで相棒のキャラクター「グラミー」たちを動かし、ゲーム の攻略に必要なタスクを自動化・効率化できるクラフトゲームです。Playgram™のノウハウが活用されて おり、未経験者でも効率化・自動化の楽しさや利点を感じられるよう設計されています。 詳細: https://store.steampowered.com/app/2262080/Omega_Crafter/ https://youtu.be/UIYHiVes8cw 「～を拾う」「繰り返す」など の簡単なブロックプログラミン グで相棒たちに作業を指示 素材の採集、街の構築、作物の 栽培などゲームの攻略に必要な タスクを自動化・効率化 広大な世界を自由に移動し、的 やボスを倒して進めていくオー プンワールドサバイバル 

36 カチャカ™ PFNの子会社であるPreferred Roboticsが開発・製造・販売する自律搬送ロボット。スマホアプリや音声の指示で 専用シェルフとドッキングし、周囲の環境を認識しながら必要なものを目的地に運びます。 小型・低コストに加え、導入が容易でAPIによる拡張性があることから、工場、物流倉庫、医療機関、オフィス、 飲食店などで導入が進んでいます。 詳細: https://kachaka.life 100kgまでの重量物を搬送 100万円以下で導入可能 「2026年版国内自律走行ロボット市場分析」 （富士経済 2026年3月19日発刊） 工場・物流向け自律搬送ロボットの 出荷台数で国内シェア１位（富士経済調べ） 画像提供 :富士フイルムマニュファクチャリング株式会社 

Make the real world computable and create the future together.