Development of online machine-learned orbital-free density functional theory with accuracy guarantees

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K04998
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 32010:Fundamental physical chemistry-related
• Research Institution: Waseda University
• Principal Investigator: Seino Junji 早稲田大学, 理工学術院, 准教授(任期付) (60580371)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 密度汎関数理論 / オンライン機械学習 / 精度保証 / シンボリック回帰 / 解釈可能な人工知能技術

Outline of Final Research Achievements

In this study, I aimed to establish an online machine learning-based OF-DFT that continuously learns and improves its versatility by integrating a vast molecular density information database with informatics technology. Additionally, because the accuracy of machine learning fluctuates depending on the training data, I developed systems to provide accuracy assurance for unknown molecules during intermediate stages of learning. Furthermore, I examined the current state of interpretability and extrapolative prediction performance of AI technology to develop explicit DFT functionals with high interpretability.

Free Research Field

理論化学、ケムインフォマティクス

Academic Significance and Societal Importance of the Research Achievements

量子化学計算は電子状態を得るための一種の測定装置としての地位を築きつつある。また、近年では機械学習を導入することで、より高精度かつ高速な計算を実現する手法が開発されている。本研究では、量子化学計算の手法選択および機械学習を用いた手法における精度保証を与えるシステムを開発した。本システムにより、より信頼性の高い量子化学計算が実現される。また、効率的に未学習データを抽出することが可能になり、機械学習を導入した手法の発展に寄与する。さらに、解釈性や外挿性の高い人工知能技術の性能を検証することで、汎用性の高い明示的なDFT汎関数開発の実現可能性について示唆を与えた。