Machine learning potentials and their applications to crystal structure search

机器学习潜力及其在晶体结构搜索中的应用

基本信息

批准号：
22H01756
负责人：
世古敦人
金额：
$ 11.07万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究が対象としている機械学習ポテンシャルは，従来の経験的ポテンシャルとほぼ同じ計算コストにより，第一原理計算に近い精度での計算が可能となる革新的なアプローチである．本研究では，機械学習ポテンシャルの構築手法をさらに発展させ，様々な系への応用を実施する．また，計算材料科学の中心的課題の一つである結晶構造探索を対象とし，機械学習ポテンシャルと化学組成のみを入力とする第一原理的な大域的結晶構造探索手法を開発する．本研究では，１億を超える構造のエネルギー計算を前提とした広範囲な構造探索を目指す．本研究の予想される成果により，これまでは不可能であった多くの興味ある系での第一原理的な結晶構造予測，高精度な大規模分子動力学計算，探索範囲の広い新物質探索など幅広い応用が期待される．令和4年度は，単体・二元系合金についての機械学習ポテンシャルの構築を行った．これまでの機械学習ポテンシャルの構築に用いてきたポテンシャルモデルにより，高精度なポテンシャルが構築できた．具体的には，それぞれの系において，幅広い構造から生成された数万程度のモデル構造について第一原理計算を行い，モデル構造とエネルギー・原子に働く力・応力のセットを準備し，それぞれのモデル構造を数万程度の構造特徴量へと変換し，構造特徴量とエネルギーの関係を回帰分析により推定した．また，三元系を超える系においても，二元系のモデルを拡張することにより，ポテンシャルモデルを導入し，機械学習ポテンシャルを構築した．

本研究主题的机器学习潜力是一种创新方法，其计算精度接近第一原理计算，而计算成本与传统经验潜力大致相同。在本研究中，我们将进一步发展机器学习势的构建方法并将其应用到各种系统中。此外，我们将开发一种仅使用机器学习势和化学成分作为输入的第一性原理全局晶体结构搜索方法，针对计算材料科学的核心问题之一的晶体结构搜索。在这项研究中，我们的目标是在对超过1亿个结构进行能量计算的前提下，搜索更广泛的结构。这项研究的预期结果将使得许多以前不可能实现的有趣系统中的第一原理晶体结构预测、高精度的大规模分子动力学计算以及具有广泛搜索范围的新材料的寻找得到广泛的应用。预期的。在 2020 财年，我们为简单和二元合金构建了机器学习潜力。我们能够使用迄今为止用于构建机器学习势的势模型来构建高度准确的势。具体来说，对于每个系统，我们对从各种结构生成的数万个模型结构进行第一性原理计算，准备一组模型结构、能量、作用于原子的力和应力，然后计算每个模型。将结构转换为数万个结构特征，并通过回归分析估计结构特征与能量之间的关系。此外，对于三元系统以外的系统，通过扩展二元系统模型，我们引入了势模型，构建了机器学习势。