転位進展は金属材料の塑性変形の最も基本的かつ重要な素過程の一つである。転位芯構造は数$\sim$十原子程度で構成されることが多いため原子モデリングによる解析が非常に有効である。経験的原子間ポテンシャルに基づいた分子動力学(MD)シミュレーションは数十万$\sim$数百万原子を扱うことが可能であり、多様な条件での解析が可能である。しかしながら、従来の原子埋め込み(EAM)ポテンシャルでは、複雑な電子状態による多体効果や磁性の影響を十分考慮することができていない。このためパイエルス障壁などの基本的な特徴ですら密度汎関数法(DFT)に基づいた第一原理計算結果との乖離が存在した。このため、ニューラルネットワーク(ANN)を用いてDFT精度を持つBCC鉄用の原子間ポテンシャルの開発を行った。本研究では、開発したポテンシャルを用いてBCC鉄中での転位進展、特に空孔の存在が転位進展にどのような影響を与えるかを解析する。