2023 Fiscal Year Research-status Report
多元素不規則系物質に対する機械学習分子動力学法を用いた熱伝導度計算法の開発と応用
| Project/Area Number |
22K03454
|
|---|
| 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) |
2022-04-01 – 2025-03-31
|
| Keywords | 熱伝導度 / 分子動力学法 / 機械学習原子間ポテンシャル / 第一原理計算 / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
今年度は、非調和性の高いカルコゲン系の熱電材料に焦点を当て、Green-Kubo（GK）公式に基づく摂動分子動力学（pMD）法を用いて、全熱伝導度だけでなく、要素ごとの部分熱伝導度も評価した。前年度に開発した正則化法を活用して、数値的な誤差を招く「非物理的な熱流束」が除去された機械学習原子間ポテンシャル（MLP）を構築できるようになった。これにより、全熱伝導度と部分熱伝導度の精度の高い評価が可能となっている。pMD法は拡張性が高く、フォノン解析法に類似した、熱伝導度の周波数依存性を議論できるスペクトル分解法が近年提案されている。カルコゲン系に含まれる硫黄とセレンの組成の違いが全熱伝導度を変化させることが実験的に知られていたが、スペクトル分解法を使って、全熱伝導度に変化が生じる周波数帯や、その変化にどの元素が主に寄与しているのかを明らかにすることができた。
さらに、より優れた記述子を備えたMLPを使用する熱伝導度の計算も試みた。記述子は、各原子の周囲構造の特徴を捉え、原子の環境を区別する役割を果たす。しかし、記述の品質が低いと、実際には異なる環境にある原子でも、記述子の値が同じになってしまう場合があり。これを回避するために、より高い分解能を持つ記述子が求められる。最近のグラフニューラルネットワーク型のMLP（GNN-MLP）は、周囲の原子構造から、並進・回転・鏡像反転対称性と、原子多体性の両面で、物理的かつ数値的に効率の良い記述子を作成できる。また、構造に加えて、周囲原子の種類の区別も要求される多元系には、尚のことGNN-MLPが役立つ。そこで、GNN-MLPに対するGK公式の熱流束の導出及び実装を行い、カルコゲン系を対象に熱伝導度計算を行い、有効性を確かめた。ここでは、スペクトル分解も活用し、記述子レベルの違いが熱伝導度のどの周波数領域に影響を与えるか等も調査した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究計画に沿って、開発した手法を用いた熱伝導度計算の検証を行っている。
|
| Strategy for Future Research Activity |
熱伝導度の計算・解析手法の整備は終えたと考えるため、研究実施計画に沿い、熱電材料の探索に進む。
|
