2021 Fiscal Year Annual Research Report
ニューラルネットワークを利用した高速な第一原理分子動力学法の生命起源研究への適用
| Project/Area Number |
19K14676
|
|---|
| Research Institution | Kumamoto University |
|---|
Principal Investigator |
島村 孝平 熊本大学, 大学院先端科学研究部(理), 助教 (60772647)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 機械学習原子間ポテンシャル / 人工ニューラルネットワーク / 分子動力学法 / 第一原理分子動力学法 / 生命の起源 |
|---|
| Outline of Annual Research Achievements |
これまでの２年間で、熱水噴出孔環境のような温度勾配等が存在する強い非平衡下にある系においても精度良く分子動力学（MD）計算が行えることを目的に、人工ニューラルネットワークに基づく原子間ポテンシャル（ANN力場）に対して、構築時の問題点の洗い出し、及び解決法を模索してきた。最終年度は、培った解決策を用いてANN力場による非平衡過程に対するMD計算を試みた。さらなる改善を要するものの、従来には無い視点からの力場の問題点の発見に結び付いた。それは原子エネルギーに潜む任意性に起因するもので、データ駆動的アプローチにより解決しうる知見を得た。一方で、これらの各種手法は極端な非平衡性を持たない系、あるいは平衡系に対するMD計算に対して大変うまく機能し、様々な成果を挙げた。まず、我々のANN力場訓練コードは、第一原理計算の「ポテンシャルエネルギー」だけでなく、その微分量である「原子に働く力」と「圧力」も訓練できるように拡張された。これらはMD計算に必須の物理量であり、高精度の達成のために重要であった。力が加わったことで教師データ数が膨大になる問題が生じたものの、現実的な時間で訓練が行えるように設計した。さらに、訓練したANN力場をそのまま同じCPU計算機上でMD計算に移行できるように実装を工夫し、系の大規模化や長時間MD計算を容易にした。自由エネルギー、誘電率、比熱、熱伝導度、構造因子等の様々かつ重要な物理量の計算に役立った。また、励起状態下の非断熱第一原理計算データを訓練したANN力場を構築し、大規模なMD計算を行うことも達成した。加えて、圧力も訓練したANN力場が固液相転移を記述するために必要であることも明らかにし、興味深いことに圧力の訓練は熱伝導度を精度良く求めるために必要であった。訓練の実用上重要である、コスト関数の係数調整による原子間ポテンシャルの精度向上法についても報告した。
|
