Distribution Matching Principle for Machine Learning Based Molecular Simulation

2020 Fiscal Year Research-status Report

• Project/Area Number: 20K20907
• Research Institution: National Institutes for Quantum and Radiological Science and Technology
• Principal Investigator: 櫻庭 俊 国立研究開発法人量子科学技術研究開発機構, 量子生命科学領域, 主任研究員(任常) (90647380)
• Project Period (FY): 2020-07-30 – 2023-03-31
• Keywords: 分子シミュレーション / 分子動力学法 / 力場 / 敵対的生成ネットワーク / 機械学習

Outline of Annual Research Achievements

古典分子動力学(MD)シミュレーションは、分子構造を計算機上に再現し計算することで分子の種々の物理化学的特性を解析する手法である。古典MDシミュレーションでは原子間相互作用や原子グループ間の相互作用を記述する力場の関数、ならびに力場関数のパラメータが分子の計算機中での振る舞いを規定するため、適切な力場のパラメータ決定はきわめて重要である。本研究では古典分子動力学法で用いる力場を改良するため、敵対的生成ネットワークと呼ばれる機械学習アルゴリズムを利用しパラメータを自動的に決定する新たな力場決定アルゴリズムを開発する。
2020年度は粗視化されたMDシミュレーションのパラメータ決定用アルゴリズムを考案し、既存の粗視化パラメータ決定用パッケージに載せ替えるための実装を行った。粗視化パラメータ決定用のプログラムであるvotcaをベースとしてアルゴルズムを組み入れる実装を試みたるが、古典分子動力学法との基本思想の差異や、並列計算環境に由来する技術上の問題などが原因で複数の問題が発生しており、現在の所まだ解決に至っていない。
また、粗視化MDのパラメータ決定手法に用いる同一の支配不等式（ダイバージェンス下界の推定）から出発し、系の自由エネルギー差を計算する手法を本研究の副産物として考案し、検討を行った。ダイバージェンス下界に基づく手法は数値的な安定性を確保するための対策が必要になる事があるが、本研究でも同様の問題が発生した。今後、得られた知見を粗視化パラメータ決定にも適用することで、数値的に頑健なパラメータ決定手法の開発を目指す。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

新型コロナウイルス問題に伴う研究時間の減少、研究・作業効率の悪化、学会等の中止、本研究種目自体の研究開始の遅延、研究資材（計算資源）の逼迫等があったため、2020年度は計画どおりに研究を遂行することが困難であった。

Strategy for Future Research Activity

2020年度に引き続き、2021年度は粗視化パラメータ決定用ソフトウェアパッケージであるvotcaをベースとして、アルゴリズムの実装と評価を続ける予定である。
また、本研究の隣接分野となる記号回帰(symbolic regression)の決定能力が近年上昇しており、研究の発展が期待できることから、本研究計画の目的となる力場の自動導出を達成するための新たな手段として検討する。有望である場合は、アルゴリズムを切り替えることも検討する。

Causes of Carryover

新型コロナウイルスの蔓延に伴い、レンタルを予定していた計算機資源の大部分が新型コロナウイルス研究に供出され、レンタルが困難になった。また、出張がすべてキャンセルされた。これらの理由により、次年度使用が生じた。
次年度使用額の大部分は今年度中に確保できた計算機資源のレンタル代に支出する予定であるが、今後の社会情勢も不透明であることから、レンタルに依らない、設置式の計算機の購入なども検討する。