抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
与えられた化学組成により形成されたエネルギー的に安定な結晶構造の予測は,固体状態物理学における中心問題である。原理的に,集合原子の結晶状態は,エネルギー表面を最適化することによって決定することができ,次に,第一原理計算を用いて評価することができる。しかし,第一原理計算を用いてポテンシャルエネルギー面の反復勾配降下を行うことは,単位格子あたり多くの原子を持つもののような複雑な系に対して,非常に高価である。ここでは,メトリック学習と呼ばれる機械学習アルゴリズムに依存する結晶構造予測(CSP)のためのユニークな方法論を提示した。多数の既に同定された結晶構造で訓練された2成分分類器は,約96.4%の精度で2つの与えられた化学組成により形成される結晶構造の同形写像を決定できることを示した。未知の結晶構造を持つ与えられた問い合わせ組成に対して,モデルを用い,元素置換が適用されるほぼ同一の安定な構造を有するテンプレート結晶のセットを結晶構造データベースから自動的に選択した。同定されたテンプレートの局所緩和計算とは別に,提案した方法はab initio計算を利用しなかった。この変電所ベースのCSPの可能性を,多様な結晶系に対して実証した。【JST・京大機械翻訳】