セミナー概要

高い精度と低い計算コストの両方をそなえ、物性研究に革新をもたらすと注目されている機械学習原子間ポテンシャル。その理論的背景・利点・種類といった基礎から、学習データの生成やコスト関数の設計といった構築方法、具体的な応用事例、最新技術、現状の課題と今後の展望などについて解説します。

セミナー趣旨

物性科学や生物学をはじめとする多くの分野において、分子動力学法や第一原理計算といった原子論的シミュレーションの重要性が高まっています。一方で、分子動力学法においては、各原子に作用する力を算出する「原子間ポテンシャル」の精度が長らく課題とされてきました。

近年は機械学習技術の急速な進展により、高精度な「機械学習原子間ポテンシャル（MLIP）」が数多く提案され、実際に活用されるようになってきています。

本セミナーでは、MLIP技術の全体像を概観するとともに、各種手法の理論的な違いや具体的な応用事例をご紹介いたします。さらに、現在のMLIPの開発が直面する課題と、それに対する解決の展望についても議論いたします。

セミナー講演内容

1. MLIPの概要

• 1.1 第一原理計算と学習データ
• 1.2 MLIPの利点
• 1.3 MLIPが拓く応用領域

2. MLIPの種類と特徴

• 2.1 代表的なMLIPの分類
• 2.2 理論的背景の違い
• 2.3 性能比較と適用範囲

3. MLIPの構築法

3.1 機械学習器の選択とデザイン

• 3.1.1 MLIPの種類と共通点
• 3.1.2 構造記述子とAtomic Cluster Expansion理論
• 3.1.3 多元素系への対応方法
• 3.1.4 グラフニューラルネットワーク型MLIP
• 3.1.5 ポテンシャル平均法

3.2 学習データ生成法

• 3.2.1 基本的な生成法
• 3.2.2 Active Learning
• 3.2.3 大規模系に対するデータ作成法
• 3.2.4 大規模公開データの利用
• 3.2.5 Foundation Modelの出現

3.3 コスト関数の設計

• 3.3.1 基本的構成と係数調整
• 3.3.2 正則化法による制約

4. 応用事例

• 4.1 液体・ガラスの静的構造解析
• 4.2 燃料電池・太陽電池の機構解明
• 4.3 グラフェン生成過程の解析
• 4.4 隕石衝突過程の物性解析

5. 課題と展望

• 5.1 ブラックボックス化の現状と解釈性向上の試み
• 5.2 更なる計算コスト削減の試み
• 5.3 顕わなクーロン相互作用・磁場等の相互作用の組み込み
• 5.4 電子状態計算の組み込み

6. 質疑応答

講師情報