タグ: 機械学習ポテンシャル

• 
  機械学習ポテンシャル(MLIP)はDFTを高速に近似する 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——それ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。

• 
  汎用MLIPの微調整は、手法選びより土台と設定が効くと報告 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、手法ごとの最適な学習率は一桁から二桁違い、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。

• 
  MLIP順位表は実用性を保証しない——安定性上位でも崩れうる 2026/7/21

  原子の万能ポテンシャル(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」で首位級のモデルは、熱伝導では最下位級に沈む。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。

← 全タグ