機械学習原子間ポテンシャル(MLIP)の基礎と実践的活用法

 ~第一原理精度を高速化する新しい計算手法~
☆第一原理精度 × 数桁高速化!
 電池・半導体・高分子・触媒など、幅広い材料系で活用が進むMLIPについて、
 基礎から学習データ作成やモデル検証といった実務まで、体系的に解説します。 
Zoomを使ったWEBセミナーです。在宅、会社にいながらセミナーを受けられます。 

【項目】※クリックするとその項目に飛ぶことができます

    セミナー趣旨

     近年、第一原理計算に匹敵する精度を保ちながら、分子動力学計算を数桁高速化できる手法として、機械学習原子間ポテンシャル(MLIP)が急速に普及しています。
     本セミナーでは、MLIPの基礎原理から最新の応用事例までを体系的に解説します。まず、従来型原子間ポテンシャルとの相違点を概観し、その中で構造記述子の発展と同変性などの概念が必要とされる理由を示します。続いて、学習データの作成方法、モデルの構築・検証といった実務的なポイントを具体的に紹介します。さらに、近年は80を超える元素を学習したFoundation Model型のMLIPが登場し、従来とは異なる運用スタイルが広がりつつあります。
     本セミナーでは、こうした最新動向にも触れつつ、固体・有機材料など多様な材料系での応用例を取り上げ、MLIPがどのように研究・開発へ活かされているかを示します。MLIPを用いたシミュレーションの高度化や、開発プロセスの効率化を目指す方に有益な内容です。

    受講対象・レベル

    ・計算化学、材料科学、原子シミュレーションに興味をお持ちの研究者・技術者の方。
    ・これから機械学習原子間ポテンシャルの導入を検討されている方。
    ・分子動力学計算の高度化を目指す方。
    ・大学・企業でシミュレーション技術に携わる初学者から中級者の方。
     など、広く対象とします。

    必要な予備知識

    分子動力学法と第一原理計算に関する基礎的な理解があると、よりスムーズにご受講いただけます。

    習得できる知識

    ・機械学習原子間ポテンシャル(MLIP)の基本概念と、従来の原子間ポテンシャルとの違いを理解できる。
    ・MLIPの記述子の進化過程、なぜ不変性、同変性が必要であったかなどの基礎原理を把握し、MLIPモデルの構造や特徴を理解できる。
    ・MLIPの学習プロセス(データ作成、学習、検証)の流れを実務に適用する手順がわかる。
    ・自身の研究テーマにMLIPを適用する際のポイント(精度評価、解釈性、モデル選択)が把握できる。

    セミナープログラム

    1.機械学習原子間ポテンシャル(MLIP)の概要
     1-1 MLIPとは何か
      (1)従来型原子間ポテンシャルとの違い
      (2)第一原理精度と計算速度の両立
     1-2 MLIPが注目される背景
      (1)大規模分子動力学計算の必要性
      (2)材料開発などの応用領域の拡大
     1-3 実際のMLIP応用例

    2.MLIPの理論的基礎
     2-1 記述子の考え方
      (1)回転・並進・鏡映対称性(E(3))が何故必要か?
      (2)局所環境の特徴量化
     2-2 不変性と同変性の概念
      (1)エネルギーと力の関係
      (2)E(3)不変性・同変性の意義
     2-3 ブレークスルーMLIP
      (1)Behler–Parrinello Neural Network (NN) Potential
      (2)Atomic Cluster Expansion
      (3)メッセージパッシング型Graph NN MLIP

    3.MLIP構築の実務フロー
     3-1 学習データの準備
      (1)第一原理計算のポイント
      (2)サンプリング戦略
      (3)Universal Datasetの利用
     3-2 学習プロセス
      (1)コスト関数の構成
      (2)学習・検証・テスト
     3-3 精度評価と解釈性
      (1)RMSE、MAEなどの指標
      (2)結合エネルギーらに基づく評価
      (3)モデルのブラックボックス性とその対処

    4.最新動向
     4-1 Foundation Model
      (1)スケーリング則の発見
      (2)MLIP運用方法の変化
      (3)Fine-tuningについて
     4-2 電子状態計算との融合
      (1)電子基底状態計算の動向
      (2)電子励起状態計算へ
     4-3 物理学的に本質的な学習を行うには
      (1)Unconstrained MLIP

    5.まとめと質疑応答


    キーワード:
    機械学習原子間ポテンシャル,MLIP,セミナー

    セミナー講師

    熊本大学 大学院 先端科学研究部(理学系) 准教授 博士(理学) 島村 孝平 氏

    【ご専門】計算物性物理学

    セミナー受講料

    49,500円(税込、資料付)
    ■ 会員の方あるいは申込時に会員登録される方は、受講料が1名49,500円(税込)から
     ・1名46,200円(税込)に割引になります。
     ・2名申込の場合は計49,500円(2人目無料)になります。両名の会員登録が必要です。

    ※ 会員登録とは
      ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
      すべて無料で年会費・更新料・登録費は一切かかりません。
      メールまたは郵送でのご案内となります。
      郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。


     

    受講料

    49,500円(税込)/人

    ※セミナーに申し込むにはものづくりドットコム会員登録が必要です

    開催日時


    13:00

    受講料

    49,500円(税込)/人

    ※本文中に提示された主催者の割引は申込後に適用されます

    ※銀行振込

    開催場所

    全国

    主催者

    キーワード

    機械学習・ディープラーニング   応用物理一般   CAE/シミュレーション

    ※セミナーに申し込むにはものづくりドットコム会員登録が必要です

    開催日時


    13:00

    受講料

    49,500円(税込)/人

    ※本文中に提示された主催者の割引は申込後に適用されます

    ※銀行振込

    開催場所

    全国

    主催者

    キーワード

    機械学習・ディープラーニング   応用物理一般   CAE/シミュレーション

    関連記事

    もっと見る