Development of an autonomous learning system for interatomic potentials using deep learning

• Project/Area Number: 24K07212
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 18010:Mechanics of materials and materials-related
• Research Institution: The University of Tokyo
• Principal Investigator: 泉 聡志 東京大学, 大学院工学系研究科(工学部), 教授 (30322069)
• Co-Investigator(Kenkyū-buntansha): 榊間 大輝 東京大学, 大学院工学系研究科(工学部), 助教 (50884194)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2026: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2024: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
• Keywords: 分子動力学

Outline of Research at the Start

近年、応用が進む分子動力学の大きな課題は、原子間ポテンシャルの精度である。ニューラルネットワークポテンシャル(NNP)など表現力の高いポテンシャルも提案されているが、本質的な問題は、必要十分な教師データが用意出来ないという点である。
本研究では、結晶／欠陥構造の分子動力学計算の結果と教師データとの類似性を識別するグラフ畳み込みニューラルネットワークを開発し、原子間ポテンシャルが対象とする現象を適切に学習しているかを分析する。さらに、その結果をもとに不足している教師データの原子構造を生成するニューラルネットワークの開発を行う。