Development of automatic potential construction for reaction molecular dynamics based on machine learning

2018 Fiscal Year Research-status Report

• Project/Area Number: 18K18801
• Research Institution: The University of Tokyo
• Principal Investigator: 梅野 宜崇 東京大学, 生産技術研究所, 准教授 (40314231)
• Project Period (FY): 2018-06-29 – 2020-03-31
• Keywords: 原子間ポテンシャル / 反応力場 / 機械学習 / マルチフィジックス

Outline of Annual Research Achievements

燃料電池の電極反応プロセスなどのように、界面における化学反応プロセスは微細構造の影響を強く受けることが指摘されている。このような化学反応現象を分子・原子レベルから明らかにするための、第一原理計算のような極めて高コストな解析手法に替わるアプローチが求められている。
原子モデリングの枠組みで化学反応を記述する反応分子動力学法を実行するために必須となる、反応力場（原子間ポテンシャル関数）の構築を機械学習技術を取り入れることによって格段に効率化・簡単化することが本研究の目的であり、ポテンシャルフィッティング自動化アルゴリズムを構築している。フィッティングアルゴリズム自体はポテンシャル関数形に依存しないことから、本年度は比較的単純な非反応型ポテンシャル関数（EAM, SW, Tersoff型等）を用い、フィッティングアルゴリズムの改良を行った。具体的には、フィッティングのターゲットとなるリファレンス構造群を設定し、フィッティングしたポテンシャル性能スコアを評価することでリファレンス構造群を更新していくアルゴリズムを作成した。将来的な拡張性を確保するためにはリファレンス構造の種類や数を容易に変更できることが必要であり、そのため既存の原子モデル解析コードの構造を大幅に変更して改良を加えた。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

本年度は非反応型ポテンシャル関数を用いてフィッティングアルゴリズムの骨格部分を構築する計画となっており、予定通りコード整備および実装テストが進んでいる。

Strategy for Future Research Activity

初年度に開発したアルゴリズムを反応力場（ReaxFF）に対して拡張し実装する。これまでに構築した系（Ni-OH系、YSZ等）について、従来法と比較することで開発したアルゴリズムの性能を評価する。その他の系についてもフィッティングのテストを行い、アルゴリズムの安定性・拡張性について検討する。

Causes of Carryover

物品費については数値計算サーバ新規導入のため計上していたが、機種選定時において当初想定していた計算能力と同等のものが予定より安価で購入できた。また、現在遂行中のソフト改変途中での学会等での発表を見送り、より完成度を高めてから次年度以降に発表を行うこととしたため旅費およびその他支出がなかった。次年度は力場構築ツール開発を加速させるため研究員を雇用することとし、当初予定より人件費に多く充てる。