ニューメキシコ州ロスアラモス、23年2021月XNUMX日–アルミニウムなどの材料中の原子の動きをシミュレートする革新的な機械学習（ML）アプローチについて、今週の記事で説明します。 ネイチャー·コミュニケーションズ ジャーナル。 「原子間ポテンシャル開発」へのこの自動化されたアプローチは、計算材料発見の分野を変える可能性があります。

「このアプローチは、第一原理からの材料の損傷と経年劣化を研究するための重要な構成要素になることを約束します」と、ロスアラモス国立研究所のプロジェクトリーダーであるジャスティンスミスは述べています。 「相互作用する原子のダイナミクスをシミュレートすることは、新しい材料を理解して開発するための基礎です。 機械学習手法は、これらの原子論的シミュレーションを正確かつ効率的に実行するための新しいツールを計算科学者に提供しています。 このような機械学習モデルは、計算コストのごく一部で、非常に正確な量子シミュレーションの結果をエミュレートするように設計されています。」

これらの機械学習モデルの一般的な精度を最大化するには、モデルをトレーニングするための非常に多様なデータセットを設計することが不可欠であると彼は言いました。 課題は、MLモデルで最も必要とされるトレーニングデータが事前に明らかでないことです。 チームの最近の作業は、トレーニングデータセットを繰り返し構築するための自動化された「アクティブラーニング」方法論を示しています。

各反復で、メソッドは現在最良の機械学習モデルを使用して原子論的シミュレーションを実行します。 MLモデルの知識を超えた新しい物理的状況に遭遇すると、高価な量子シミュレーションを介して新しい参照データが収集され、MLモデルが再トレーニングされます。 このプロセスを通じて、アクティブラーニング手順は、さまざまな結晶構造や結晶内に現れるさまざまな欠陥パターンなど、さまざまな種類の原子構成に関するデータを収集します。

###

論文：アルミニウムの強力な原子間ポテンシャルの自動発見、 ネイチャー·コミュニケーションズ, DOI: 10.1038/s41467-021-21376-0

資金提供：この作業は、ロスアラモス国立研究所の高度なシミュレーションとコンピューティング（ASC）プログラムによって部分的に資金提供され、コンピューター時間は、オープンアクセス期間中にローレンスリバモア国立研究所のシエラスーパーコンピューターによって提供されました。

ロスアラモス国立研究所について

国家安全保障に代わって戦略科学に従事する学際的な研究機関であるロスアラモス国立研究所は、テキサス州バテル記念研究所（バテル）のXNUMXつの創設メンバーが等しく所有する公共サービス指向の国家安全保障科学組織であるトライアドによって管理されています。 A＆M大学システム（TAMUS）、およびエネルギー省の国家核安全保障局のためのカリフォルニア大学（UC）の摂政。

ロスアラモスは、米国の核備蓄の安全性と信頼性を確保し、大量破壊兵器からの脅威を減らす技術を開発し、エネルギー、環境、インフラストラクチャ、健康、および世界の安全保障に関する問題を解決することにより、国家安全保障を強化しています。
LA-UR-21-21717