ユニバーサル原子間ポテンシャル実現のための物理ベース機械学習モデルの開発

2019 Fiscal Year Annual Research Report

• Project/Area Number: 19K21066
• Allocation Type: Multi-year Fund
• Research Institution: The University of Tokyo
• Principal Investigator: 高本 聡 東京大学, 大学院工学系研究科(工学部), 助教 (80829317)
• Project Period (FY): 2019-04-01 – 2020-03-31
• Keywords: 分子動力学 / 原子間ポテンシャル / 機械学習

Outline of Annual Research Achievements

原子の振る舞いを近似的に再現する原子間ポテンシャルは、現状では元素や適用先の構造を限定することで精度を確保しているが、あらゆる元素に適用可能な究極の「ユニバーサル原子間ポテンシャル」が獲得できれば、物理シミュレーションに基づく材料の物性予測や新材料開発へ大きなインパクトを与えると考えられる。本研究の最終目標は深層学習と物理モデルの統合によるユニバーサル原子間ポテンシャルの作成であり、本研究ではその基礎技術としてモデルを提案することを目的として行われている。
本年度は、昨年度実装した機械学習モデルをもとに分子動力学計算を実際に行うソフトウェア環境の整備を行った。これにより多様な環境での分子動力学計算が可能となり、また実際に分子動力学計算を行い機械学習モデルの評価を行った。この成果を提案した機械学習モデルにフィードバックし、さらにモデルを洗練させる作業も並行して行った。
研究内容についてはソースコード及び論文原稿の形式でまとめている。この作業のため関連研究の文献調査も並行して行っており、各種物理モデル・機械学習モデルとの対応づけを整理している。さらに成果としてまとめる際に昨年度と比較してモデルの規模をおおまかに10倍程度大きくした大規模な計算を行っている。研究費で購入したGPUを使うことでこのような比較的大規模な計算を開発や検証にあてることが可能となったことを記しておく。
特に論文原稿については近日中に投稿する予定である。