Construction of a Si Force Field Model by Machine Learning and Its Application to Molecular Dynamics Simulations

 

氏名:Yudai Kotani

所属:Division of Materials and Manufacturing Science,Graduate School of Engineering, Osaka University, Hamaguchi laboratory

概要:本研究は, Si間の原子間ポテンシャルを機械学習を用いて開発し, 物理スパッタリングシミュレーションに適用することを目的として行われた. Behler-Parrinello 法を機械学習アプローチとして採用し, 近距離相互作用については Ziegler-Biersack-Littmark (ZBL) ポテンシャルを統合することで, 従来 の機械学習原子間ポテンシャルでは困難であった物理スパッタリングシミュレーションへの応用範囲 を拡張した. PAW 法を用いた訓練データの生成においては, 表面構造, アモルファス状態, および 2 原子から 4 原子までの小さなクラスター構造を取り入れることで, 物理スパッタリング過程における構 造の多様性を網羅し, 実験値に近いスパッタリング率を示す機械学習原子間ポテンシャルの開発に成功した.

 

論文掲載,発表実績:

(国際会議会議録掲載論文)

  • Yudai Kotani, Hiori Kino, Satoshi Hamaguchi “Development of machine-learning-based interatomic potentials for sputtering simulation of silicon and silicon dioxide” Okinawa, Japan, April 2023.
  • Yudai Kotani, Hiori Kino, Satoshi Hamaguchi “Development of machine-learning-based interatomic potentials for sputtering simulation of silicon” Aix-en-Provence, June 2023.
  • Yudai Kotani, Hiori Kino, Satoshi Hamaguchi “Towards Accurate Sputtering Simulations: Developing Machine Learning-Based Interatomic Potentials for Silicon” Antibes, French Riviera, September 2023.

 




Posted : 2024年03月31日