Combining molecular dynamics and deep learning to develop a flow prediction model for complex fluids

• Project/Area Number: 25K00968
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 13040:Biophysics, chemical physics and soft matter physics-related
• Research Institution: The University of Osaka
• Principal Investigator: 金 鋼 大阪大学, 大学院基礎工学研究科, 准教授 (20442527)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥18,850,000 (Direct Cost: ¥14,500,000、Indirect Cost: ¥4,350,000); Fiscal Year 2028: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000); Fiscal Year 2026: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2025: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
• Keywords: 分子シミュレーション / 深層学習 / 構造緩和 / 遷移状態 / 遅いダイナミクス

Outline of Research at the Start

本研究の概要は、ガラスや高分子などを含む複雑流体やソフトマターと呼ばれる物質群に対して、分子動力学シミュレーションと深層学習を融合した統合型計算科学の方法論を開発し、化学反応論に立脚し構造変化を規定する遷移状態を正しく規定する自由エネルギー地形の記述を目指すものである。これにより、化学反応論を通した流動予測モデルを開発することを最終の目的とする。