2023 Fiscal Year Annual Research Report
An autonomous machine learning-based molecular dynamics method that utilizes first-principles atomic energy calculation
| Project/Area Number |
23H03415
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Toyota Technological Institute |
|---|
Principal Investigator |
椎原 良典 豊田工業大学, 工学(系)研究科(研究院), 准教授 (90466855)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森 英喜 産業技術短期大学, その他部局等, 准教授 (00456998)
松中 大介 信州大学, 学術研究院工学系, 教授 (60403151)
都留 智仁 国立研究開発法人日本原子力研究開発機構, 原子力科学研究部門 原子力科学研究所 原子力基礎工学研究センター, 研究主幹 (80455295)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Keywords | 第一原理計算 / 分子動力学法 / ニューラルネットワーク / 原子エネルギー / 機械学習ポテンシャル |
|---|
| Outline of Annual Research Achievements |
本研究課題では，「第一原理原子エネルギーを用いて自律的（オートノマス）な機械学習分子動力学法を構築すること」を目的としている．新奇な物理量である第一原理原子エネルギーを機械学習に導入することによって，原子シミュレーションの途中でプログラムが自律的に学習データを追加し自ら高精度化するシステムを実現することを目指す．
原子ごとにその周囲の原子構造を表す特徴量と原子エネルギーを直接関連付けることにより，精度の悪いサンプルを特定できること，また，サンプルの取捨選択が可能となること，がアイデアの核である．今年度は，この有用性を確認するために均衡データの構築とその精度への影響について基礎的検討を実施した．具体的には，原子間相互作用が解析的に与えられているEAMポテンシャルにより原子エネルギー学習のデータセットを構築し，重複したデータの削除（ダウンサンプリング）の精度への影響を検証した．その結果，ダウンサンプリングによって精度が向上することを確認した．
上記の作業によって，構築した原子エネルギー学習システムの妥当性についても確認できた．また，分担研究者の支援により，アルミニウム単体系，2元半導体系において原子エネルギーのデータセットを構築することができた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度成果は，(1)原子エネルギー学習の有用性を証明した，(2) 原子エネルギー学習システムを構築しその妥当性を確認した，(3) 原子エネルギーのデータセットを準備した，という意味で十分な成果であった．
|
| Strategy for Future Research Activity |
今年度成果をベースとして，第一原理計算から得たデータセットでの学習を進める．第一原理計算での学習にはさらなる工夫が必要であることが予備研究から明らかとなっており，グラフニューラルネットワークの導入等を通じた解決を狙う．
|
