[1F4-GS-10] AI応用：化学・物理学

[1F4-GS-10-01] 機械学習分子動力学計算におけるシミュレーション破綻の回避に向けた損失関数の改良と評価

〇李 根¹、西川 武一郎¹、礒脇 洋介¹、伊勢 一樹¹、黒川 直樹¹、吉田 孝史¹、原田 康宏¹ (1. 株式会社　東芝)

キーワード：マテリアルズインフォマティクス、分子動力学計算、機械学習、加速度、シミュレーション破綻

第一原理計算の結果を機械学習で予測できれば、いままで不可能であった物質の大規模・長時間のシミュレーションが可能となるため、材料科学の分野で注目されている。機械学習分子動力学計算では、学習済みのニューラルネット（NN）により原子に働く力を予測し、その力を用いて原子の運動をシミュレーションする。その際、NNモデルのテストデータに対する力の予測精度が高くても、シミュレーションが途中で破綻することがある。本研究では、有機分子を対象としたシミュレーションが破綻する際の経過を動径分布関数に基づいて分析した。この結果、多くの場合軽い原子が別の原子に異常に接近していること、さらに、軽い原子に対する加速度誤差が相対的に大きいことを確認できた。そこで、NNの学習において加速度誤差を小さくすることが重要だと仮定し、力の誤差の替りに加速度の誤差を最小化するように損失関数を改良した。この改良により、シミュレーションの破綻を回避、もしくは破綻までの時間を延ばす効果があることを確認できた。