[S-CG58] 固体地球科学と材料科学の融合が切り拓く新展開

[SCG58-P03] Olivine-spinel相変態ダイナミクス・シミュレーションのための機械学習ポテンシャル

★招待講演

*小林 亮¹ (1.名古屋工業大学)

キーワード：機械学習ポテンシャル、分子動力学、オリビン・スピネル相変態

深発地震は、上部マントルと下部マントルの遷移層である深さ約410～660 kmで発生する地震である。この遷移層の圧力・温度条件は、大部分の地震が発生する浅部や中間深度とは大きく異なるため、深発地震のメカニズムやトリガーも浅発地震とは異なると考えられている。しかし、極端な圧力・温度条件のため、深発地震のメカニズムの解明は浅部の地震よりも困難である。

過剰圧縮されたカンラン石（オリビン）の相転移は、深発地震のトリガーの一つとして提案されている。しかし、この相転移によってどのような構造が現れるのか、また、それがより大きなスケールで地震を引き起こす可能性があるのかは未解明である。本研究では、高圧・高温条件下でのカンラン石からスピネル相への相転移を調査するため、最先端の機械学習（ML）手法を用いて、Mg-Si-O 三元系の機械学習原子間ポテンシャル（MLIP）の構築を目指す。

本研究では、二体および三体相互作用をBスプライン関数で表現した高速かつ解釈可能なMLIPを採用する。このポテンシャルは、カンラン石やスピネル構造だけでなく、先行する第一原理計算によって提案された中間構造のエネルギーや力も正確に再現することが示された。しかし、エネルギーと力のみを用いて学習したMLIPの応力予測は、第一原理計算と十分に一致しないことが分かった。これは、マントル遷移層のような高圧環境下でMLIPを適用する際には、応力への適合が重要であることを示唆している。

本研究では、MLIPの精度や安定性について議論し、カンラン石‐スピネル相転移に関する分子動力学（MD）シミュレーションの結果を報告する。