本研究では、局所的な特異構造におけるイオンダイナミクスの信頼性と高速性を兼ね備えたシミュレーション解析法を、第一原理計算と機械学習を用いて開発することを目指して研究を進めた。平成30年度の主な成果は以下のとおりである。 (1)多元化合物に対するニューラルネットワークポテンシャル構築:アモルファス酸化タンタル中の銅原子拡散を解析する、密度の異なる系を扱える汎用性を備えたポテンシャルを、前年度のアルミナの場合にならって開発し、所望のポテンシャルの作成に成功した。また、作成したニューラルネットワークポテンシャルを用いて収集したアモルファス酸化タンタルの原子配置のデータの特徴をパーシステントホモロジー法により解析し、密度の低下とともに、一様に原子間隔が広がるのでなく、空隙が大きくなることを示す予備的な結果を得た。 (2)電場下のニューラルネットワークポテンシャルの開発:ボルン有効電荷を予測するニューラルネットワークを構築することができ、さらに、既存のニューラルネットワークポテンシャルで求めた力にこのニューラルネットワークにより予測した電場印加による力の変化を加えることにより電場印加下の分子動力学計算を行う計算プログラムを作成することができた。 (3)フォノン計算:ウルツ鉱型GaN結晶のフォノンバンド構造の第一原理計算結果をよく再現できるニューラルネットワークポテンシャルの作成に成功した。さらに、作成したニューラルネットワークポテンシャルを用いて熱伝導率の計算も行い、第一原理計算と良い一致を得ることができた。 以上のように第一原理計算と機械学習を用いた方法論の開発が進み、イオン伝導については侵入金属イオンのダイナミクスを扱うことができ、またフォノンについては欠陥等を含む系に適用するためのポテンシャル整備をほぼ終えることができた。
|