AIが解く世界の難問 · 化学・材料 · arXiv · 2026-10-19
機械学習原子間ポテンシャルにおける学習データセットの重要性：水のシミュレーションを例に
原題: Training Dataset Matters for Machine Learning Interatomic Potentials: Water Simulation as an Example
機械学習原子間ポテンシャル（MLIP）の予測精度は、学習データが対象の熱力学条件や相を十分に網羅しているかに依存することを、水を例に示した。サンプリングが不十分なデータセットで学習すると、密度、融点、核量子効果の予測が誤ることが示された。一方、同じ電子状態計算法で網羅的なデータセットを用いれば、MLIPの構造によらず一貫した物性予測が得られ、密度は参照計算と定量的に一致した。