AIが解く世界の難問 · 化学・材料 · Nature Machine Intelligence · 2026-10-23
周期表全体に対応する電荷密度予測の高速な等変フレームワーク
原題: Efficient equivariant framework for universal charge density prediction
材料探索には電子構造計算が必要だが、密度汎関数理論は計算コストが高いことが課題となっている。本研究は電荷密度を予測する機械学習モデルEdenGNNを提案し、Materials Projectのデータで学習させた周期表全体に対応する汎用モデルEdenGNN-Uniを構築した。このモデルは既存手法より10倍以上高速で、未知の材料の多くでバンド構造を正確に予測し、汎用的な機械学習ハミルトニアン手法より頑健であることが示された。