原子間相互作用力の幾何強化事前トレーニング はじめに 分子動力学(MD)シミュレーションは、物理学、化学、生物学、材料科学などの分野で重要な役割を果たし、原子レベルのプロセスの洞察を提供しています。MDシミュレーションの精度と効率は、分子系の原子間相互作用を記述する原子間ポテンシャル関数に依存しています。古典的MDでは経験式を使用し、パラメータを当てはめる必要がありますが、計算コストは低いものの精度が不十分です。一方、第一原理MDでは、シュレーディンガー方程式を解くことで精密な相互作用を得ることができますが、計算量が非常に大きくなります。そこで、機械学習による原子間ポテンシャル(MLIPs)が、第一原理計算から得られるエネルギーと力をフィッティングすることで、ab initio精度に近づきつ...

この研究では、複雑なシステムを正確にシミュレートできる代理モデルを効率的に構築するためのオンライン学習手法が提案されています。この手法には、以下の3つの主要な構成要素があります。 新しい訓練およびテストデータを生成するためのサンプリング戦略 訓練データから候補の代理モデルを生成するための学習戦略 テストデータ上での候補の代理モデルの有効性を評価するための検証指標 この論文では、著者はRadial Basis Function(RBF)補間を代理モデルの応答面として使用しています。このオンライン手法は、代理モデルが応答面のすべてのローカル極値点(端点を含む)を含むことを保証することを目的としており、代理モデルのパフォーマンスが有効性の閾値を下回る場合に再訓練する連続的な検証と更新のメカニズムを...