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。
機械学習手法は,計算的に効率的な方法で原子論的シミュレーションのための密度汎関数理論(DFT)を近似する可能性を持ち,それは実世界問題に対する計算シミュレーションの影響を劇的に増加させることができた。しかし,それらは,それらの精度とラベル付きデータを生成するコストによって制限される。ここでは,オープン触媒プロジェクトから大規模事前訓練グラフニューラルネットワークモデルによって学習された事前物理情報を組み込むことにより,原子系のシミュレーションを加速するオンラインアクティブ学習フレームワークを提案した。これらのシミュレーションの加速は,より安価に生成できる有用なデータを可能にし,より良いモデルが訓練され,より原子的なシステムがスクリーニングされることを可能にした。また,それらの速度と精度の両方に基づいて局所最適化技術を比較する方法も提示する。30のベンチマーク吸着-触媒システムに関する実験は,事前訓練モデルから事前情報を組み込むための移動学習の方法が,時間の0.02eVの93%の精度閾値を満たしながら,91%のDFT計算の数を減らすことによって,シミュレーションを加速することを示した。最後に,有意なスタートアップコストなしに,オンラインアクティブ学習フレームワーク内の単一点計算を効率的に計算するために,VASPに構築された対話型機能を活用するための技術を実証した。これにより,VASPは,従来の単一点計算よりも75%少ない自己コンシステントサイクルを必要としながら,著者らのフレームワークとタンデムで動作することを可能にする。オンラインアクティブ学習実装とVASP対話型コードを用いた事例は,GithubのオープンソースFINETUNAパッケージで利用可能である。【JST・京大機械翻訳】
