AIが解く世界の難問 · 化学・材料 · Nature Computational Science · 2026-10-13
微分を使わずに分子のヘッシアンを予測する機械学習ポテンシャル「HIP」
原題: HIP: Hessian Interatomic Potentials without derivatives
分子のヘッシアン（ポテンシャルエネルギーの二階微分）は計算化学の多くの工程で必要だが、計算コストが高く系の大きさに対する拡張性も低い。本研究では、自動微分や有限差分に頼らずヘッシアンを直接予測する深層学習モデル「HIP」を提案し、グラフニューラルネットワークから得た表現で対称なヘッシアンを構成する。遷移状態探索、構造最適化、振動解析などで、自動微分由来のヘッシアンより高速かつ高精度だと報告されている。