機械学習原子間ポテンシャル– tag –
-
Hugging FaceがCrystalCLRとCHGNetを発表、機械学習で材料特性予測を改善
Hugging Face アメリカ 概要 Hugging Faceは、CrystalCLRフレームワークとCHGNet機械学習原子間ポテンシャルの発表を通じて、材料特性予測の新たな進歩を強調しました。CrystalCLRは結晶グラフニューラルネットワークを用いたコントラスティブ学習により材... -
AIが有機電気化学エネルギー材料の設計とモデリングを加速、高性能バッテリー開発に貢献
ChemRxiv アメリカ 概要 AIは、データ駆動型特性予測、機械学習原子間ポテンシャル、生成分子設計、大規模言語モデル（LLM）を活用したワークフローを通じて、有機電気化学エネルギー材料（OEEM）の計算設計とモデリングを劇的に変革しています。これによ... -
UniFFBench、汎用機械学習力場UMLFFsを実験測定値と照合し、材料シミュレーションの安定性・忠実度・弾性特性を評価
arXiv 国際 概要 新しいベンチマークフレームワーク「UniFFBench」が発表され、汎用機械学習力場（UMLFFs）を多様な鉱物システムに対する実験測定値と照合して評価します。UniFFBenchは、分子動力学（MD）シミュレーションの安定性、有限温度での構造忠実... -
大規模データセットにスケールアップされた制約なしMLIPs、静的シミュレーションで既存モデルを凌駕
ResearchGate 国際 概要 大規模データセットにスケールアップされた「制約のない」機械学習原子間ポテンシャル（MLIPs）が、幾何学的最適化や格子力学などの静的シミュレーションワークフローにおいて、物理的に制約されたモデルと比較して精度と速度の両... -
Chemistry World誌、AIエージェントとMLIPsが触媒発見をシミュレーションからスケールアップまで加速する最前線
Chemistry World イギリス 概要 Chemistry World誌は、AIエージェントと機械学習原子間ポテンシャル（MLIPs）が触媒発見プロセスをシミュレーションからスケールアップまで加速する最前線を報じました。MLIPsは、計算負荷の高い密度汎関数理論（DFT）シミ... -
MLIPsの電子エントロピー課題を解決：電荷状態埋め込みでバッテリー材料予測精度を向上
arXiv 国際 概要 従来の機械学習原子間ポテンシャル（MLIPs）が混合原子価材料における電子エントロピーを捉えきれず、予測精度に課題があることが指摘されました。この課題に対し、訓練中に電荷状態情報をMLIP表現に埋め込むことで、バッテリー正極材料Na... -
DP-EVAフレームワーク、大規模原子モデルの事前学習済み知識を最大化しデータ効率の高いMLIPsを開発
Clean Energy | Oxford Academic 国際 概要 新しいデータ効率の良いファインチューニングフレームワーク「DP-EVA」が導入されました。これは、大規模な原子モデルの事前学習済み知識を最大限に活用し、ドメイン固有の機械学習原子間ポテンシャル（MLIPs）... -
arXiv論文、自動化・大規模並列化された機械学習原子間ポテンシャル構築ワークフロー「AutoPot」を発表
arXiv 米国 概要 arXivで公開されたプレプリントは、機械学習原子間ポテンシャル（MLIP）を自動化かつ大規模に並列化して構築するワークフロー「AutoPot」を発表しました。MLIPは原子モデリングに量子精度をもたらし、量子的に正確なマルチスケールシミュ... -
SCM社、MLポテンシャルとGPU最適化で材料化学シミュレーションを高速化する「AMS2026」をリリース
SCM (Scientific Computing & Modelling) オランダ 概要 SCM社は、生体分子、触媒、MOF（金属有機構造体）、無機材料の化学的カバー範囲を拡大し、機械学習ポテンシャル（eSEN、MACE、UMA）の主要な進歩を特徴とするソフトウェアリリース「AMS2026」を発表... -
ResearchGate、NequIPとGNNがアモルファス材料の多体相互作用をDFTより4桁低コストで予測
ResearchGate 不明 概要 最新の研究で、溶媒フリーポリマーグラフト化ナノ粒子（PGN）のモデルソフトガラスにおける多体相互作用の予測にグラフニューラルネットワーク（GNN）の一種であるNequIPが適用されました。NequIPは、系の高次元で起伏の多いポテン... -
ASM International、CALPHAD、DFT、MLIPs、AIエージェント統合で計算材料設計を加速
ASM International アメリカ 概要 ASM Internationalのウェビナーで、CALPHAD、密度汎関数理論（DFT）、機械学習原子間ポテンシャル（MLIPs）、およびAIアシストシミュレーションワークフローを統合し、材料発見と設計を加速する最新の進歩が紹介されまし...
