Machine learning molecular dynamics simulations of materials with complex structures

複雑な構造を持つ物質の機械学習分子動力学シミュレーション

奥村 雅彦   

Okumura, Masahiko

機械学習分子動力学法は、量子力学計算の一種である第一原理計算の計算結果を人工ニューラルネットワーク等で学習し、低い計算コストで高い予測精度のシミュレーションを可能にする手法である。本発表では、粘土鉱物(カオリナイト)のヒドロキシ基のフォノンスペクトル、二酸化トリウムの超イオン転移、石英ガラスの中距離秩序構造など、古典分子動力学法などの既存のシミュレーション手法では正確な評価が難しかった、複雑な構造を持つ物質の物理量について、機械学習分子動力学法シミュレーションによって観測量と整合する結果が得られたことを報告する。

The machine learning molecular dynamics (MLMD) method enables simulations with high prediction accuracy at low computational cost by learning the results of first-principles calculations (quantum mechanical calculations) using artificial neural networks. This presentation will show how machine-learning molecular dynamics can simulate materials with complex structures. Our MLMD simulations succeeded in reproducing the experimental results of the phonon spectrum of the hydroxy groups of a clay mineral (kaolinite), the superionic transition of thorium dioxide, and the medium-range ordered structure of silica glass, which are difficult to accurately evaluate using other simulation methods, such as classical molecular dynamics.