機械学習原子間ポテンシャルの基礎と構築法・応用例・課題と展望

セミナーに申し込む
オンライン 開催

高い精度と低い計算コストの両方を備え、物性研究に革新をもたらすと注目されている機械学習原子間ポテンシャル。
本セミナーでは、機械学習原子間ポテンシャルの理論的背景・利点・種類といった基礎から、学習データの生成やコスト関数の設計といった構築方法、具体的な応用事例、最新技術、現状の課題と今後の展望などについて解説いたします。

日時

開催予定

プログラム

物性科学や生物学をはじめとする多くの分野において、分子動力学法や第一原理計算といった原子論的シミュレーションの重要性が高まっています。一方で、分子動力学法においては、各原子に作用する力を算出する「原子間ポテンシャル」の精度が長らく課題とされてきました。近年は機械学習技術の急速な進展により、高精度な「機械学習原子間ポテンシャル (MLIP) 」が数多く提案され、実際に活用されるようになってきています。  本セミナーでは、MLIP技術の全体像を概観するとともに、各種手法の理論的な違いや具体的な応用事例をご紹介いたします。さらに、現在のMLIPの開発が直面する課題と、それに対する解決の展望についても議論いたします。

  1. MLIPの概要
    1. 第一原理計算と学習データ
    2. MLIPの利点
    3. MLIPが拓く応用領域
  2. MLIPの構築法
    1. 機械学習器の選択とデザイン
      1. MLIPの種類と共通点
      2. 構造記述子とAtomic Cluster Expansion理論
      3. 多元素系への対応方法
      4. グラフニューラルネットワーク型MLIP
      5. ポテンシャル平均法
    2. 学習データ生成法
      1. 基本的な生成法
      2. Active Learning
      3. 大規模系に対するデータ作成法
      4. 大規模公開データの利用
      5. Foundation Modelの出現
    3. コスト関数の設計
      1. 基本的構成と係数調整
      2. 正則化法による制約
  3. 課題と展望
    1. ブラックボックス化の現状と解釈性向上の試み
    2. 更なる計算コスト削減の試み
    3. 顕わなクーロン相互作用・磁場等の相互作用の組み込み
    4. 電子状態計算の組み込み

受講料

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信セミナーについて