|
第一原理計算と機械学習手法に基づき，高精度原子間ポテンシャルを構築する手法の提案を行った．具体的には，系統的な構造記述子を導入することにより，遷移金属を含むすべての金属に対して高精度な原子間ポテンシャルを構築することが可能な統一的な枠組みを提案した．さらに，機械学習ポテンシャルと金属系で広く用いられているEAMポテンシャルとの関係を明らかにした．これは，物理的解釈が難しかった機械学習ポテンシャルの一つの解釈である．また，結晶粒界などの大規模構造への応用を目指し，構造データ分布に基づいた異常検知の機械学習による指標を導入することができた．
|
