機械学習ポテンシャルのアモルファス系への適用と荷電欠陥・電場応答に対する試み

機械学習ポテンシャルは，第一原理計算と古典分子動力学をつなぐ強力な手法として知られるに至り，公開コードや商用サービスの増加に伴って近年広く普及，注目を集めている．本稿では，初学者に向けた機械学習ポテンシャルの概要について解説したのち，その応用事例としてアモルファス構造モデリングやアモルファス中のイオン拡散シミュレーションに関する研究事例を紹介する．最後に，機械学習ポテンシャルの学術的発展として重要である荷電欠陥の取り扱いや外場応答について，記述子やモデルの変更，そして実際のシミュレーション結果について解説する．...

Full description

Saved in:
Bibliographic Details
Published inアンサンブル Vol. 26; no. 1; pp. 40 - 47
Main Authors 安藤, 康伸, 渡邉, 聡, 清水, 康司
Format Journal Article
LanguageJapanese
Published 分子シミュレーション学会 31.01.2024
Subjects
アモルファス
ボルン有効電荷
ポテンシャル
分子動力学
機械学習
第一原理計算
Online AccessGet full text
ISSN1884-6750
1884-5088
DOI10.11436/mssj.26.40

Cover

More Information
Summary:機械学習ポテンシャルは，第一原理計算と古典分子動力学をつなぐ強力な手法として知られるに至り，公開コードや商用サービスの増加に伴って近年広く普及，注目を集めている．本稿では，初学者に向けた機械学習ポテンシャルの概要について解説したのち，その応用事例としてアモルファス構造モデリングやアモルファス中のイオン拡散シミュレーションに関する研究事例を紹介する．最後に，機械学習ポテンシャルの学術的発展として重要である荷電欠陥の取り扱いや外場応答について，記述子やモデルの変更，そして実際のシミュレーション結果について解説する．
ISSN:1884-6750
1884-5088
DOI:10.11436/mssj.26.40