タグ: 機械学習ポテンシャル
- 機械学習ポテンシャルUMAのtask指定：なぜ必要で何に注意するか 2026/10/1
Meta FAIRのUMAは、汎関数の異なる複数のDFTデータセットを一つの重みで学習し、どの理論レベルを再現するかをtask名で受け取る。計算条件の選択が利用者の入力へ移った理由と、その代償を作り手の文書と独立ベンチマークから読む。
- 圧電テンソルの機械学習：対称性で決まるゼロをモデルは守れるか 2026/8/28
2026年8月19日のプレプリント。圧電テンソルを機械学習で予測するとき、対称性でゼロに固定される結晶2,000種で、パリティ付きO(3)モデルは18,000回すべて閾値0.01 C m⁻²を下回り、パリティ無しSO(3)は90〜96%で超えた。ゼロを混ぜて訓練した実験でも約9割が閾値を超えた。
- 機械学習ポテンシャルとは？仕組み・速さの理由・学習範囲外の限界 2026/8/14
DFTは正確だが遅い。ならば、DFTが出した答えを大量に学習して、原子の配置からエネルギーと力を一瞬で予測できないか。この発想を形にしたのが機械学習ポテンシャル(MLIP)だ。なぜ桁違いに速く、なぜDFT並みの精度を保てるのか。そして、どこで信用できなくなるのかを辿る。
- 機械学習ポテンシャルの微調整：効く条件と、手法より効く設定 2026/8/4
汎用MLIPを自分の系に微調整するか、そのまま使うかの判断材料。20%のデータ（664構造）で全データ学習に並んだ例がある一方、MACE系の比較では手法ごとの最適な学習率が一桁から二桁違い、MOFでは汎用モデルの2.60 GPaが微調整モデルの3.16 GPaを下回った。
- 機械学習ポテンシャルのベンチマークは何を測る？順位と実用性の差 2026/7/21
原子の万能な機械学習ポテンシャル(MLIP)のベンチマークは飽和に近づいたとの指摘がある。だが「安定材料を当てる」で上位のモデルが、熱伝導では最下位に沈む例がある。別のモデルは長い分子動力学で発散する。スコアが測るのは「発見」の一面で、そのポテンシャルが実務の計算で使えるかは別の話だ。
