2021 Fiscal Year Annual Research Report
準結晶における機械学習分子シミュレーション手法の確立とその有限温度物性の解明
Publicly Offered Research
Project Area | Hypermaterials: Inovation of materials scinece in hyper space |
Project/Area Number |
20H05278
|
Research Institution | Japan Atomic Energy Agency |
Principal Investigator |
永井 佑紀 国立研究開発法人日本原子力研究開発機構, システム計算科学センター, 副主任研究員 (20587026)
|
Project Period (FY) |
2020-04-01 – 2022-03-31
|
Keywords | ハイパーマテリアル / 自己学習ハイブリッドモンテカルロ法 |
Outline of Annual Research Achievements |
準結晶あるいはその近似結晶(準結晶に似た結晶構造ではあるが周期的な結晶)を理論的に取り扱うためには、実空間の非一様性をうまく取り入れた計算が必要である。本研究では、準結晶やその近似結晶の物性を計算するために、効率的なシミュレーション手法を開発することが目的である。その為、近年我々が開発している自己学習ハイブリッドモンテカルロ法という手法を用いて、機械学習分子シミュレーションを行うこととした。自己学習ハイブリッドモンテカルロ法では、効率的にニューラルネットワークを作ることができるため、得られたニューラルネットを機械学習分子動力学シミュレーションに用いることで、巨大な系を高速にシミュレーションすることが可能である。そこで、この手法を準結晶およびその近似結晶に対して適用を行った。 具体的には、対象とする物質系として、計画班の木村グループが合成しているAl-Pd-Ruを選んだ。このAl-Pd-Ruは準結晶のほかに、近似レベルが異なる二種類の近似結晶が合成されている。また、理論的にはもう一つの近似結晶の存在が知られている。そこで三種類の近似結晶においてニューラルネットワークの構築を試みた。 構築したニューラルネットワークの妥当性は自己学習ハイブリッドモンテカルロ法によるシミュレーション結果と分子動力学法のシミュレーション結果を比較して評価した。これは、自己学習ハイブリッドモンテカルロ法が元の第一原理計算分子動力学法と同じ精度を持つことを利用するものであり、さらに、別の物質で、通常の固体と同じように比熱がデュロンプティ則に従う系を用意し、比熱を計算し、実験で測定された比熱の温度依存性を定量的に再現することを示した。これらの結果は、ハイパーマテリアルの有限温度物性を調べる上で重要である機械学習分子動力学シミュレーション手法を確立できたことを意味し、今後の新学術領域の発展に寄与するものである。
|
Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|