カオリナイトの機械学習分子動力学法シミュレーション

Machine learning molecular dynamics simulations of kaolinite

奥村 雅彦   ; 小林 恵太 ; 山口 瑛子  

Okumura, Masahiko; Kobayashi, Keita; Yamaguchi, Akiko

原子スケールシミュレーションは粘土鉱物の物性評価等に広く用いられている。現在、原子核を古典力学に従う質点に近似して電子は量子力学的に扱う密度汎関数法と、原子やイオン全体を質点として質点間の相互作用を「力場」と呼ばれる簡単な関数で近似するする古典分子動力学法の二つが主に用いられている。前者は定式化に経験的パラメーターを含まず多くの物質に対して実験結果を良く再現するが、計算コストが高いため、小さな系しか計算できない。後者は計算コストが低いが、定式化に経験的パラメーターが含まれるため、実験結果の再現性はパラメーターに強く依存する。最近、機械学習を用いてこれらの手法の弱点を克服する新しい手法「機械学習分子動力学法」が提案された。この手法は、密度汎関数法で作成した教師データを用いて人工ニューラルネットワークを訓練し、低い計算コストで高い実験結果再現性を実現する。本研究では、カオリナイトを対象とした機械学習分子動力学法シミュレーションを実施し、これまで評価が難しかったミクロスケール構造に対する温度依存性やヒドロキシ基の振動状態密度を評価して実験値と比較し、非常に良い一致した結果を得た。

no abstracts in English