AIが解く世界の難問 · 化学・材料 · arXiv · 2026-10-19
半経験的軌道電荷を用いたマルチタスク学習によるサンプル効率の高いMLIP
原題: Multitask learning with semiempirical orbital charges enables sample-efficient MLIPs
MLIPの学習には計算コストの高い大規模データが必要であり、ハミルトン行列全体を用いた学習は大規模データセットでは扱えないという課題があった。本研究は、計算コストの低いGFN1-xTBの軌道電荷を補助的な学習対象とするマルチタスク学習を導入し、軌道電荷を予測する専用の等変モデルを実装した。その結果、エネルギーのみで学習したベースラインに比べエネルギーの平均絶対誤差を58%削減し、同性能に必要なデータは5分の1で済み、エネルギーと力を同時に学習するベースラインに対しても誤差を12%減らした。