| ファイル名 | アクション |
| doi_semminar_20250625_all.pdf |  |
| 開催日 | 2025年6月25日 |
| タイトル | 新製品 Advance/OF-DFT 紹介セミナー |
| 言語 | 日本語 |
| 著者 | アドバンスソフト株式会社 |
| 要約 | 1964年に Hohenberg と Kohn によって基底状態エネルギーが電子密度の汎関数で表現できることが示され、密度汎関数理論（DFT）として今日の材料シミュレーション分野に多大な貢献をしてきました（Phys.Rev. 136 B864 (1964)）。しかしながら、現在使われている DFT は Kohn-Sham DFT（KS-DFT）と呼ばれ、電子系の運動エネルギーの計算に密度汎関数ではなく波動関数（軌道）を使っています（Phys.Rev.140 A1133 (1965)）。 軌道を用いたことで精度は向上したものの、原子数 N の 3 乗に比例する大きな計算コスト O (N^3) が要求され、1,000 原子以上の大きなモデルを PC で手軽に計算することは困難な状態にあります。 一方で軌道を使わない本来の DFT は Orbital-Free DFT（OF-DFT）と呼ばれており、計算コストが低く（O(N)）、容易に大規模系の計算ができます。OF-DFTの実用化に向けて、中国や米国の研究機関を中心に今もなお運動エネルギー汎関数の改良が進められていますが、未だ完全な解決には至っていません。 2025年、アドバンスソフト株式会社は、独自開発の深層学習モデルを適用することで運動エネルギーの問題を解決しました。 具体的には、グラフ理論（Graph）を連続多変数空間に拡張した汎グラフ理論（Graphical）という新しい数理モデルを開発し、これを Neural Netowrk と組み合わせつつ、空間を複数回畳み込むことで 20Å ほど遠距離の相関を運動エネルギー汎関数に繰り込んだ深層学習モデルです。その結果、汎用的で実用的な運用に耐えうるレベルの運動エネルギー汎関数の開発に世界では初めて成功し、DFT 計算の大幅な高速化を実現しました。 本セミナーでは、世界初の深層学習運動エネルギー汎関数 AdvanceSoft 25、および、これを実装したソフトウェア製品 Advance/OF-DFT を使った解析事例についてご紹介いたします。また、化学環境に応じて可変な擬ポテンシャル（Adaptive Effective Pseudo－Potential; AEPP）を含む今後の開発ロードマップ、当該ソフトウェアを用いたサービス内容などについてもお示ししました。 |
| DOI | 10.69290/s.001197 |
| キーワード | |
| ページ数 | 36 |