自己学習ハイブリッドモンテカルロ法; 精度保障された機械学習分子シミュレーションと効率的な力場構築
令和3年度電気化学界面シミュレーションコンソーシアム第4回研究会
- 開催年月日
- 2022年1月
- 記述言語
- 日本語
- 会議種別
- 開催地
- 柏(online)
- 国・地域
- 日本
第一原理計算で得られたポテンシャルを再現するようなニューラルネットワーク(ANN)を構築して分子動力学を実行するのが機械学習分子動力学法である。ANNを構築する際の最適なトレーニングデータは、元々の第一原理分子動力学法で生成される原子配置とそのポテンシャルである。通常は、様々な原子配置とそのポテンシャルデータを大量に作成することで、目的の機械学習分子動力学法と同じようなポテンシャルを生成するANNを構築している。しかしながら、構築されたANNが元々の第一原理計算のポテンシャルを再現するという保証はない。そのため、機械学習分子動力学法の計算の精度や妥当性については常に慎重な議論が必要であった。本講演では、自己学習モンテカルロ法のアイディアを用いることで、得られた結果が統計的に厳密にオリジナルの第一原理計算分子動力学法の計算結果と等しい手法を開発したことを報告する。