機械学習による第一原理擬ポテンシャルおよび数値原子軌道の開発とその精度評価

Development of first-principles pseudopotentials and numerical atomic orbitals using machine learning and its accuracy assessment

川井 弘之*; 関川 卓也; 中村 良幸*; 尾崎 泰助*; 大野 義章*

Kawai, Hiroyuki*; Sekikawa, Takuya; Nakamura, Yoshiyuki*; Ozaki, Taisuke*; Ono, Yoshiaki*

第一原理電子状態計算ソフトウェアOpenMXは密度汎関数理論に基づく計算コードであり、主に物質の最安定構造や電子状態を求める際に利用される。OpenMXでは、大規模系を扱うために原子の情報を数値データとして扱い、計算を高速化している。本研究では、これまで作成者の経験に基づいたパラメータ調整で作成された数値データを、機械学習で最適化した数値データに置き換えることを試みた。特にLiにおいては、機械学習による最適化を行うことで厳密解と比較した計算誤差を約3分の1にまで減らすことに成功した。本研究は、OpenMXの計算精度向上や、現在OpenMXで取り扱えないアクチノイドの数値データ作成を実現するための新たな知見となる。

OpenMX is a density-functional-theory based software for first-principles electronic structure calculations, and is mainly used to obtain the most stable structures and electronic states of materials. In this study, we attempted to replace the numerical data that had been created by adjusting parameters based on the creator's experience with numerical data optimized by machine learning. In particular, for Li, we succeeded in reducing the calculation error to about one-third that of the exact solution by optimizing the data with machine learning. This research provides new knowledge for improving the calculation accuracy of OpenMX and for creating numerical data for actinides, which OpenMX currently cannot handle.