機械学習ポテンシャルによる協奏的現象の速度論解析

• 研究課題/領域番号: 22K12059
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分60100:計算科学関連
• 研究機関: 名古屋大学
• 研究代表者: 洗平 昌晃 名古屋大学, 未来材料・システム研究所, 助教 (20537427)
• 研究期間 (年度): 2022-04-01 – 2025-03-31
• 研究課題ステータス: 交付 (2023年度)
• 配分額: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円); 2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
• キーワード: 機械学習ポテンシャル / 自由エネルギー計算 / 協奏的現象

研究開始時の研究の概要

近年，データ科学の技術を利用して，計算物質科学の分野で用いられてきた高精度な第一原理電子状態計算の結果を再現するポテンシャル（機械学習ポテンシャル）の作成が盛んに試みられており，第一原理電子状態計算では太刀打ちできないサイズの系・現象への適用が期待されている．本研究課題では，機械学習ポテンシャルを用いた自由エネルギー計算手法を作成し，その可能性を探る．次世代の素子材料や電池などは，多数の原子・分子が織り成す複雑な協奏的現象がその特性を支配している．協奏的現象をエネルギー論の観点だけからでなく速度論の観点からも解析することのできる本計算手法は，次世代を牽引する産業技術開発に資するものである．

研究実績の概要

昨年度、リチウムイオン電池の正極材量であるLiNiO2のPhysically Informed NNポテンシャル（PINNポテンシャル）の開発、ならびにその検証を進め、その有効性を明らかにした。このPINNポテンシャルを用いた通常の分子動力学シミュレータも開発したが、この系においてリチウム原子は非常に軽い元素であり量子力学的な拡散現象を無視できるか自明ではない。そこで本年度は原子の量子力学的な拡散を記述できる経路積分分子動力学シミュレータを開発し、LiNiO2においてLi原子の振舞いを調べた。通常の分子動力学シミュレーションとは異なる振舞いが見られたものの、収集した学習データが不十分である可能性が見られたため、それを補う学習データをさらに収集している。また、分子動力学シミュレータを開発する中で機械学習ポテンシャルが有する普遍的な欠点が見えてきた。これを解決する手立てを見つけられれば、この分野に一石を投じることができると思われる。一方、PINNポテンシャルによる経路積分分子動力学シミュレータの有効性を確認するために、ポルフィセン分子内のプロトン遷移の解析にも取り組み始めた。現在、PINNポテンシャルを学習するためのデータの収集している。

現在までの達成度 (区分)

2: おおむね順調に進展している

理由

予定していなかったPINNポテンシャルの経路積分分子動力学法への応用に取り組み始めた。しかしながら、水素やリチウム原子の量子的拡散現象も協奏的現象の一部であり、当初目的と大きく外れるものではないため、研究は順調に進展していると考えている。

今後の研究の推進方策

現在進めているLiNiO2におけるLi原子の量子力学的拡散現象、ポルフィセン分子内のプロトンの量子力学的遷移現象の解析を進める。その後、PINNポテンシャルとマルチカノニカルモンテカルロシミュレーションコードの融合し、研究計画調書にある協奏的現象の速度論解析を進めていく。また、当初予定していなかったPINNポテンシャルの経路積分分子動力学法への応用に取り組み始めたが、このおかげでマルチカノニカルシミュレーション法に量子力学的効果を取り込める可能性が浮上した。この点も検証を進める。