Centrala begrepp
本研究は、材料プロジェクトのデータを用いて開発した汎用的なコーン-シャム・ハミルトニアンモデルを提示する。このモデルは、周期表全体にわたる様々な物質の電子構造を高精度に予測することができる。
Sammanfattning
本研究では、材料プロジェクトのデータを用いて、周期表全体にわたる物質の電子ハミルトニアンを予測する汎用的な機械学習モデルを開発した。
まず、材料プロジェクトのデータから約55,000の結晶構造のハミルトニアン行列を計算し、そのうち44,000を訓練データ、5,500ずつを検証データとテストデータとして使用した。次に、等変グラフニューラルネットワーク(HamGNN)を用いて、この大規模なデータセットに基づいて汎用的なハミルトニアンモデルを構築した。
このモデルは、単一の構造に対して高精度なハミルトニアン行列を予測できるだけでなく、周期表全体にわたる様々な物質の電子構造を正確に捉えることができる。具体的には、複雑な多元素系物質や低次元物質、金属-有機構造体などの電子構造を精度良く予測できることを示した。
さらに、このモデルを用いて、GeNOME データベースに収録された約190,000の結晶構造の電子構造を高速に計算し、3,940個の直接遷移型バンドギャップ物質と5,109個の平坦バンド物質を同定した。このように、本研究で開発した汎用ハミルトニアンモデルは、材料設計や触媒、電子デバイスなど、電子物性に依存する幅広い分野への応用が期待できる。
Statistik
本研究で使用した訓練データセットには、周期表全体の元素が含まれている。
本モデルを用いて予測したTi6SeS7の フェルミ面は、密度汎関数理論(DFT)計算結果と良く一致している。
本モデルを用いて予測したK3SrZr6BI18の最低非占有分子軌道(LUMO)の波動関数は、DFT計算結果と良く一致している。
Citat
"本研究で開発した汎用ハミルトニアンモデルは、材料設計や触媒、電子デバイスなど、電子物性に依存する幅広い分野への応用が期待できる。"
"このモデルは、単一の構造に対して高精度なハミルトニアン行列を予測できるだけでなく、周期表全体にわたる様々な物質の電子構造を正確に捉えることができる。"