機械学習原子間ポテンシャル– tag –
-
ユニバーサル計算戦略で低次元材料を大量発見：Materials Projectから9139種
ACS Chemistry of Materials アメリカ 概要 本研究は、ユニバーサル機械学習原子間ポテンシャル（UMLIPs）と高度な原子間力定数（FC）ベースの次元分類方法を組み合わせて、Materials Projectデータベースから大量の新しい低次元材料を発見しました。35,68... -
ポリエチレン向けMLIP：オリゴマー学習で巨大高分子の熱力学・構造・動特性を正確に予測
arXiv アメリカ 概要 本論文は、高分子向けの機械学習原子間ポテンシャル（MLIP）開発を研究し、ポリエチレンをモデル系としてAtomic Cluster Expansion (ACE)がポリマー用途に最も効果的な記述子であることを特定しました。小さなオリゴマーで適合させたA... -
ACS Materials Auが電気触媒シミュレーション向け機械学習ツールの包括的チュートリアルを公開
ACS Materials Au アメリカ 概要 ACS Materials Auは、電気触媒シミュレーションのための機械学習ツールに関するチュートリアルを公開しました。このチュートリアルでは、機械学習交換相関汎関数、ガウス過程最適化器、MACEのようなML原子間ポテンシャルな... -
分子動力学シミュレーション向けMLIP：原子環境抽出「削除法」が生成AI含む手法を上回る
arXiv アメリカ 概要 大規模な分子動力学シミュレーションに機械学習原子間ポテンシャル（MLIP）を適用する際の課題である、大規模構造からDFT計算に適した小規模な原子環境を抽出する最適な方法が体系的に分析されました。本研究では、拡散ベースの生成AI... -
事前学習済みMLIPからの原子特徴量、材料生成モデルの評価に有効性を発揮
arXiv アメリカ 概要 この論文では、MACEのような事前学習済み機械学習原子間ポテンシャル（MLIP）から抽出される原子平均特徴量が、材料生成モデルの出力評価において有効であることを示しました。研究チームは、品質と新規性の両方を単一の分布ベース評... -
AI駆動型バッテリー化学シミュレーター、出力妥当性と化学感度における敵対的堅牢性を評価
OpenReview アメリカ 概要 AI駆動型バッテリー化学シミュレーター（MACE-MP-0やCHGNetなどの機械学習原子間ポテンシャルMLIPを含む）の敵対的堅牢性に関する初の体系的な評価が発表されました。物理的制約を持つモデルは90～92%の物理的出力妥当性を維持す... -
量子機械学習原子間ポテンシャル：変分量子アルゴリズムで分子エネルギー予測精度を向上
arXiv アメリカ 概要 本研究は、量子回路学習を機械学習原子間ポテンシャル（MLIP）に適用し、分子データセットのエネルギー予測精度を向上させました。量子転移学習アーキテクチャを用いて既存のANIモデルを再トレーニングし、量子回路シミュレーター上で... -
機械学習原子間ポテンシャル（MLIPs）のためのオントロジーが研究の比較・再現性を向上、arXiv論文で提案
arXiv (プレプリント) 概要 このプレプリントは、機械学習原子間ポテンシャル（MLIPs）、そのハイパーパラメーター、訓練データセット、およびベンチマークを体系的に記述するためのOWL 2 DLオントロジー「MLIPs ontology」を紹介しています。このオントロ... -
電解質/電極界面のイオン輸送メカニズム解明に機械学習原子間ポテンシャル（MLIPs）がDFTと古典MDの課題を克服
ResearchGate (学術論文/レビュー記事) 概要 このレビュー論文は、機械学習原子間ポテンシャル（MLIPs）が、密度汎関数理論（DFT）の高い計算コストと古典分子動力学（MD）の低い精度という課題を克服し、電解質/電極界面でのイオン輸送シミュレーションを... -
エネルギー的に固定されたMLIP埋め込みが水素発生電極触媒の予測精度を向上
ACS Publications (Journal of Chemical Information and Modeling) 概要 研究者らは、機械学習原子間ポテンシャル（MLIP）由来のエネルギー記述子を事前学習済みCrystal Hamiltonian Graph Neural Network (CHGNet) 潜在埋め込みと統合する「エネルギー的... -
機械学習原子間ポテンシャル（MLIPs）の総合レビュー、基盤モデルと事前学習済みフレームワークの進展を解説
(査読論文のレビュー記事) 概要 本レビュー記事は、分子および材料シミュレーションにおける機械学習原子間ポテンシャル（MLIPs）の包括的な概要を提供し、その理論的基礎、方法論的進歩、および応用を議論しています。特に、ニューラルネットワークポテン... -
OMol25学習MLIPsがNaイオン電池電解液の溶媒和構造をDFT精度で予測、無機MLIPsを凌駕
ACS Publications (Journal of Physical Chemistry Letters) 概要 本研究は、Open Molecules 2025 (OMol25) データセットで学習した機械学習原子間ポテンシャル（MLIPs）が、次世代Naイオン電池用電解液の溶媒和構造を高いDFT（密度汎関数理論）に近い精度... -
普遍的機械学習原子間ポテンシャル（uMLIPs）のファインチューニング戦略、「反復ファインチューニング」が安定・高精度モデルを生成
PubMed 概要 普遍的機械学習原子間ポテンシャル（uMLIPs）のファインチューニング戦略に関する研究で、「反復ファインチューニング」がドメイン外タスクにおいて安定した分子動力学シミュレーションと高精度なモデルを生成することが示されました。uMLIPs... -
材料科学に革命をもたらす3つのAI技術：特性予測、生成設計、MLIPの進化
(情報元不明) アメリカ 概要 材料科学分野におけるAIの活用は、特性予測、生成設計、機械学習分子間ポテンシャル（MLIP）という3つの主要な側面で進化を遂げています。AIは材料の特性を高精度で推定し、目標特性を持つ新材料を自律的に提案、さらに原子間... -
Meta FAIRとスタンフォード大学の研究者がUMAモデルのファインチューニングによりWS2の酸素プラズマ相互作用を高精度シミュレーション
arXiv アメリカ 概要 Meta FAIRとスタンフォード大学の研究者は、ユニバーサル機械学習原子間ポテンシャル（MLIP）であるUMAモデルをWS2の酸素プラズマ相互作用に特化してファインチューニングすることに成功しました。この研究は、プラズマ-表面相互作用... -
東北大学がAI・自動実験統合型クローズドループシステムを発表、クリーンエネルギー材料開発を劇的に加速
東北大学 日本 概要 東北大学の研究チームが、AIモデル、自動実験、継続的なフィードバックを単一の研究プラットフォームに統合した「クローズドループ」システムを開発しました。この革新的なフレームワークは、大規模材料データベース、機械学習原子間ポ... -
MITの研究者が機械学習原子間ポテンシャルを活用し、高エントロピー合金の酸素還元反応におけるラテラル相互作用の重要性を解明
PubMed アメリカ 概要 MITの研究チームは、機械学習原子間ポテンシャル（MLIP）を活用したフレームワークを開発し、Ag-Ir-Ru-Pd-Pt-Cu-Rh-Re高エントロピー合金の組成空間における酸素還元反応（ORR）をモデル化しました。この研究は、混み合った表面でのO... -
UNCCの研究グループが機械学習原子間ポテンシャル生成ツール「PyXtal_FF」を開発、原子シミュレーションの計算コストを大幅削減
University of North Carolina at Charlotte アメリカ 概要 ノースカロライナ大学シャーロット校（UNCC）の研究グループは、機械学習原子間ポテンシャル（MLIAP）生成のためのパッケージ「PyXtal_FF」を開発しました。MLIAPは、量子力学シミュレーションに... -
ML原子間ポテンシャルを用いたシミュレーションで（MoCrTi）$_{100-x}$Al$_x$高エントロピー合金の秩序-無秩序転移と剛性特性を解明
arXiv 国際 概要 この研究は、汎用機械学習原子間ポテンシャルをハイブリッドモンテカルロ法と分子動力学シミュレーションに組み合わせることで、（MoCrTi）$_{100-x}$Al$_x$難燃性高エントロピー合金の化学的秩序と機械的特性に関する重要な洞察を明らか... -
アクティブラーニングがMACE-MP-0基盤MLFFのファインチューニングを最適化し、少ないデータで完全データ精度を達成
arXiv 国際 概要 この研究は、機械学習力場（MLFF）のトレーニングにおいて、より少ないラベルデータで完全なデータ精度を達成する革新的な手法を提示しました。特に、MACE-MP-0のような基盤MLFFのファインチューニングにアクティブラーニング戦略を適用す...
