The establishment of a method for constructing machine learning potentials based on quantum spin-lattice dynamics coupling

• Project/Area Number: 25K01491
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 26010:Metallic material properties-related
• Research Institution: College of Industrial Technology
• Principal Investigator: 森 英喜 産業技術短期大学, その他部局等, 准教授 (00456998)
• Co-Investigator(Kenkyū-buntansha): 松中 大介 信州大学, 学術研究院工学系, 教授 (60403151) ; 大場 洋次郎 豊橋技術科学大学, 工学(系)研究科(研究院), 准教授 (60566793) ; 都留 智仁 国立研究開発法人日本原子力研究開発機構, 原子力科学研究所 原子力基礎工学研究センター, 研究主席 (80455295) ; 椎原 良典 豊田工業大学, 工学(系)研究科(研究院), 准教授 (90466855)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000); Fiscal Year 2027: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2026: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2025: ¥11,960,000 (Direct Cost: ¥9,200,000、Indirect Cost: ¥2,760,000)
• Keywords: 機械学習原子間ポテンシャル / スピンー原子連成動力学

Outline of Research at the Start

本研究の目的は、新規材料の機械特性予測のためのスピンー原子ダイナミクス連成解析手法の確立にある。新規材料開発には、原子モデリングを用いて材料の物性を予測的に評価することが重要である。新規材料が様々な環境で使用される可能性を考えた場合，その機械的特性評価には、スピンによる磁気的特性が力学的特性に与える影響を統合的に評価することが重要である。本研究では、量子論に基づいた物理モデルと機械学習技術を組み合わせることによって、スピンー原子ダイナミクス連成解析のための高精度原子間ポテンシャルの構築を目指す。