ランダム位相近似（RPA）などの物性系の相関量子化学的手法は、従来の密度汎関数理論アプローチよりもはるかに高い精度レベルに達する可能性を秘めています。しかし
ランダム位相近似（RPA）などの物性系の相関量子化学的手法は、従来の密度汎関数理論アプローチよりもはるかに高い精度レベルに達する可能性を秘めています。しかし、このような方法は計算コストが高いため、特に有限温度分子動力学シミュレーションへの幅広い適用が妨げられています。機械学習の手法と熱力学的摂動理論を組み合わせて、相関近似を用いて有限温度特性を推定する方法を提案します。このアプローチをゼオライトの吸着エンタルピーの計算に適用し、わずか10個のRPAエネルギーで機械学習モデルをトレーニングすれば信頼できる推定値が得られることを示しました。このアプローチは、物性系の有限温度特性を予測するために、計算コストの高い量子化学手法を幅広く利用する道を開きます。
