« 古代エジプトでは | トップページ | リチウムイオウバッテリーは »

原子や分子の

 構造や電子特性が、も〜出るかと、モデル化したい時に化学者はしばしば密度汎関数法(DFT)を採用する。DFTが失敗した時には、coupled cluster (CC)Moller-Plesset perturbation (MP2)によるアプローチを行う。これらはより信頼性の高い値を示してくれるが、DFTに比べて数千倍の時間を小さな分子でも必要とする。それに対して今回研究者らは、機械学習が精度の点ではCCMP2に匹敵し、コストの点ではDFTなみであることを報告した[1]。まずは一連の小さな分子の局在化分子軌道のアルゴリズムを教え込んだ。分子軌道は結合や原子で実在するかどうかがわからないため、新しいアルゴリズムはわずかなデータのセットで多くの異なる分子の特性を予測しうると、研究者は述べている。例えば水の分子軌道についてのアルゴリズムを教え込むと、アンモニア、メタン、フッ化水素の相関エネルギーも予測できる。メタンではアルゴリズム値は、CCによって作成したそれと比較するとその違いは0.24%であり、三つの中では最も不正確であった。さらに六つの水分子のクラスターのアルゴリズム計算は、CCでは28 時間だったのが、機械学習を利用すると2分だった。これらの系を誰もが使えるようにするには長い道のりであるものの、素晴らしいアイデアでこの先有望であるとコメントされている。新しいアイデアもおいでや、である。

[1] Chemical & Engineering News 2018 August 13/20, p. 7.

DOI:10.1021/acs.jctc.8b00636

18.9.12

|

« 古代エジプトでは | トップページ | リチウムイオウバッテリーは »

コメント

この記事へのコメントは終了しました。