2017 Fiscal Year Annual Research Report
Procedure for constructing machine learning interatomic potentials
| Project/Area Number |
15H04116
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
世古 敦人 京都大学, 工学研究科, 准教授 (10452319)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 原子間ポテンシャル / 機械学習 / 第一原理計算 / 回帰分析 / 分子動力学 |
|---|
| Outline of Annual Research Achievements |
本研究で提案する高精度原子間ポテンシャルは，多数の第一原理計算結果をもとに，多種多様な基底関数により結晶構造を表現した上で，LASSO回帰によりエネルギーと基底関数の関係を推定するものである．この原子間ポテンシャル構築技術の確立を目指し，本研究では以下の３つを実施する．①結晶構造表現のための基底関数を考察，および基底関数算出のためのプログラム開発を行う．②エネルギーと基底関数の関係を表す線形モデルの一般化を行い，二種類以上の元素を含む化合物に適用可能な線形モデルを導入する．同時に，線形モデルの一般化に対応したプログラムの開発を行う．③導入した基底関数や線形モデル，開発したプログラムを用いて，具体的な材料への適用を行う．
平成２９年度は，引き続き第一原理計算と機械学習手法に基づき，高精度原子間ポテンシャルを構築する手法の提案を行った．具体的には，系統的な構造記述子を導入することにより，遷移金属を含むすべての金属に対して高精度な原子間ポテンシャルを構築することが可能な統一的な枠組みを提案した．さらに，機械学習ポテンシャルと金属系で広く用いられているEAMポテンシャルとの関係を明らかにした．これは，物理的解釈が難しかった機械学習ポテンシャルの一つの解釈を与えるものである．また，結晶粒界などの大規模構造への応用を目指し，構造データ分布に基づいた異常検知の機械学習による指標を導入し，その指標により精度保証する方法論および精度を向上させるための方法論を構築した．このような方法により，結晶粒界などの大規模構造に対する高精度な原子シミュレーションが可能になると期待される．
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
Research Products
(11 results)
