革新的信頼性を持つニューラルネットワーク力場の作成とその2次元層状物質への応用

点击翻译按钮获取中文摘要

申請者は, 多体シュレーディンガー方程式を厳密に解く第一原理量子モンテカルロ法のオリジナルな計算コード”TurboRVB”を, 世界中の研究者と共同で開発し [K. Nakano et al., J. Chem. Phys. 152, 204121 (2020)], 従前法では太刀打ちできない物質の電子状態を研究してきた. 本研究では, 複数の空間スケールを跨ぐ「マルチスケール計算」にまで視野を広げ, 申請者が追究してきた電子階層での厳密性が, より大きな空間スケール (i.e., 分子動力学階層)においても重要な役割を果たすことを明らかにする. 今年度の特筆すべき成果は, Hugoniot領域と呼ばれる温度・圧力領域における水素に対して, 第一原理量子モンテカルロ法の精度での分子動力学計算を可能にする, 機械学習力場を作成することに成功したことである. 上記温度・圧力領域においては, 電磁プレートを利用した実験により, 正確な水素の状態方程式が得られている. つまり, この領域では, 通常, 高圧・高温下では難しい, 実験と計算の比較を行うことができる. 独自に開発した, SOAP(Smooth Overlap of Atomic Positions)を利用したコードにより, 第一原理量子モンテカルロ法の結果を再現する機械学習力場を構築できた. その構築した機械学習力場を利用した分子動力学計算により, 第一原理量子モンテカルロ法がHugoniot領域における水素の状態方程式を正確に再現できることを明らかにした. また, 上記目標を達成するために必要な第一原理量子モンテカルロ法に係る要素技術開発, 及び, 計算条件の検証を, いくつかの化合物を利用して進めた点でも進捗があった.