Development and application of structure search methods under high pressure using machine learning potentials learning from failures

• Project/Area Number: 24K06959
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 13030:Magnetism, superconductivity and strongly correlated systems-related
• Research Institution: Osaka University
• Principal Investigator: 下司 雅章 大阪大学, エマージングサイエンスデザインR3センター, 特任准教授(常勤) (70397660)
• Project Period (FY): 2024-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000); Fiscal Year 2027: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000); Fiscal Year 2026: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000); Fiscal Year 2025: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000); Fiscal Year 2024: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
• Keywords: 機械学習ポテンシャル / 結晶構造探索 / 高圧物性

Outline of Research at the Start

本研究では、これまで開発してきた第一原理計算に基づいた結晶構造探索法を土台に、より大きな系に適用できる、信頼性の高い第一原理計算の精度を維持した機械学習ポテンシャルを用いた方法を開発する。これまでの機械学習ポテンシャルに足りなかった不安定な構造や不適切な構造のデータである“失敗データ”も十分学習させることで、高精度かつ安定なポテンシャルを生成する。これを用いて新しい高圧相を探索し、最終的に第一原理計算で構造を確定する一連の手法を確立する。