固体システムに適した業界初のニューラルネットワーク波動関数が Nature サブジャーナルに掲載されました

機械学習は、大量のデータを処理し、複雑なシナリオで科学的問題を解決し、以前は到達できなかった新しい領域への科学的探求を導くことができます。たとえば、DeepMind は人工知能ソフトウェア AlphaFold を使用して、科学界に知られているほぼすべてのタンパク質構造を高精度に予測します。Christian Lagemann が提案した深層学習に基づく粒子画像流速測定 (PIV) 手法は、当初の純粋な手動設定を大幅に改善しました。モデルの適用範囲は、自動車、航空宇宙、生体医工学などの多くの分野の研究にとって極めて重要です。

AlphaFold は、ほぼすべての既知のタンパク質の構造を予測できます (出典: DeepMind)

解決すべき科学的問題を記述するデータと正確なモデルがあれば、基礎科学における多くの「百年来の謎」が機械学習によって解決できます。流体力学、物性物理学、有機化学など。

最近、ByteDance AI Lab 研究チームと北京大学物理学部の Chen Ji の研究グループによる研究「ニューラル ネットワークによる実固体の第一原理計算」により、物理学の新しいアイデアであるこの研究は、固体系に適した業界初のニューラル ネットワーク波動関数を提案し、固体の第一原理計算を実現し、計算結果を熱力学的限界に押し上げます。これは、ニューラル ネットワークが固体物理学を研究するための効率的なツールであることを強く証明するとともに、深層学習技術が物性物理学においてますます重要な役割を果たすことを示しています。関連する研究結果は、2022 年 12 月 22 日にトップ国際ジャーナル Nature Communication に掲載されました。

#論文リンク: https://www.nature.com/articles/s41467-022-35627-1

研究背景と研究方法

固体系のシュレーディンガー方程式を正確に解くことは、物性物理学の聖杯の 1 つです。過去数十年にわたる凝縮物質の研究では、密度汎関数理論が広く採用され、大きな成功を収めてきました。

密度汎関数理論: 複数電子系の電子構造を研究するための量子力学的手法。

これにもかかわらず、密度汎関数理論には依然として多くの欠点があります。複雑な強相関システムの場合、密度汎関数理論では正確な結果を生成することができません。また、機能選択の精度を向上させる体系的な方法も欠如しています。近年、密度汎関数理論と比較して、より正確で普遍的な波動関数法がますます注目され、研究が進められています。

この状況を考慮して、ByteDance AI Lab 研究チームは北京大学物理学部の Chen Ji の研究グループと協力して、固体に適した周期ニューラル ネットワーク波動関数を設計しました。モンテカルロ法の組み合わせにより、固体システムの第一原理計算が可能になります。この研究では、ディープラーニング技術が連続空間における固体システムの研究に初めて適用され、計算が熱力学的限界まで押し上げられました。

この研究の核心は、周期一般化システム固有ベクトルと既存の分子ニューラル ネットワーク波動関数を組み合わせて、周期対称性と完全な反対称性システム波動関数を備えた固体を構築することです。次に、量子モンテカルロ法を適用してニューラル ネットワークを効率的にトレーニングし、さまざまな実際の固体でテストしました。

#実験結果と分析

#まず、著者一次元水素鎖に関するテストが定期的に実施されました。一次元の水素鎖は凝縮系の最も古典的な系の 1 つであり、その正確な解法は強相関系の特性を理解するのに役立ちます。計算結果は、ニューラル ネットワークが従来の高精度手法 (補助フィールド モンテカルロなど) と同様の精度を達成できることを示しています。

著者は次に、ニューラル ネットワークを使用して 2 次元グラフェン材料を計算しました。グラフェンは過去 20 年間で注目の研究材料であり、熱伝導率、電気伝導率などのユニークな特性は重要な研究および応用価値を持っています。この研究はグラフェンの凝集エネルギーを正確に計算し、計算結果は実験データと一致しました。

#研究の有効性をさらに検証するために、著者は三次元リチウム化水素材料を計算し、計算スケールを熱力学的限界まで押し上げました。到達した最大計算スケール 108 個の電子を備え、これはニューラル ネットワークがこれまでシミュレートできる最大の固体システムでもあります。計算された材料の凝集エネルギーと体積弾性率は実験結果と一致しています。

最後に、著者は理論的により興味深い均一な電子ガス系を研究しました。均一な電子ガス系は多くの新しい物理効果 (量子ホール効果など) と密接に関連しているため、均一な電子ガスを深く理解することには重要な理論的価値があります。計算結果は、ニューラル ネットワークが均一な電子ガスに対して良好な結果を達成し、多くの従来の高精度手法の結果に迫る、またはそれを上回ることを示しています。

この研究は、ニューラル ネットワークが固体物理学を研究するための効率的なツールであることを強く証明しています。アルゴリズムのさらなる改良により、ニューラルネットワーク技術は、固体系の相変化、表面物理学、非従来型超伝導体などの物性物理学において、より重要な役割を果たすようになるでしょう。これらのテーマの研究には、基礎として高精度の固体波動関数が必要です。同時に、著者は物性物理学の研究により多くの可能性を提供するために、より効率的なニューラルネットワークの波動関数の研究にも取り組んでいます。

以上が固体システムに適した業界初のニューラルネットワーク波動関数が Nature サブジャーナルに掲載されましたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。