汎用グラフニューラルネットワーク力場を用いた触媒材料の分子動力学シミュレーション

触媒材料の分子動力学シミュレーションは、汎用のグラフニューラルネットワーク力場（GNN力場）を使用して実行されました。使用したGNN力場は、Facebookとカーネギーメロン大学が主催するオープンカタリストプロジェクト [1] が開発したもので、触媒材料を対象とした約1億3000万件の第一原理計算の計算結果です。トレーニングデータとして構築されており、幅広い触媒材料の分子動力学計算が可能です。今回はGNN力場を用いて白金触媒表面へのCO分子の吸着ポテンシャル曲線を算出し、第一原理計算結果と比較することでGNN力場の精度を確認しました。

‍

計算モデル/計算条件

白金触媒表面へのCO分子の吸着は、図1の計算モデルを用いて計算しました。表1には、第一原理計算条件と使用したGNN力場法も示されています。

‍

第一原理計算条件 GNN 計算条件使用コード VASP (ver 5.4.4) 使用コード LAMMP [2] 交換相関関数 RP 使用 GNNGEMnet + DTP 擬電位ポーディムネット ++ カットオフエネルギー 400 vs シュネットクポイントサンプリング 3 × 3 × 1

‍

‍

計算結果

図2に吸着ポテンシャル曲線の計算結果を、表2に吸着エネルギーの計算結果を示します。使用するGNN力場法によって計算結果に違いはありますが、0.5eV以下の精度で吸着エネルギーを予測できることがわかります。1点あたりのエネルギーの計算にかかる時間を比較すると、GNN力場は第一原理計算の200倍の速さで計算できることが確認されました。

方法吸着エネルギー (eV) ポイントあたりの計算時間 (秒) *Gemnet-DT-1.03715DimNet ++-1.42015Schnet-1.69615dft-1.5104000

表2 吸着エネルギーの計算結果 (* GNN力場は1基のGPU (V100)、DFTはCPUコアあたりの計算時間)

‍

サマリー

• 汎用のGNN力場を利用することで、第一原理計算と同じ計算精度で、低コストかつ高速に触媒材料を計算することができます。
• 膨大な学習データを用いて構築された力場なので、幅広い触媒材料のシミュレーションが可能です。

[1] シャヌソ・ロウィック他「オープン・カタリスト 2020 (OC20) データセットとコミュニティの課題」、ACS カタリシス (2020)

[2] ニューラルネットワークの可能性に合わせてカスタマイズされたLAMMPS（2019年8月7日）、AdvanceSoft Corp. による http://www.advancesoft.jp。

オリジナルソース: https://ctc-mi-solution.com/汎用型グラフニューラルネットワーク力場を用い/

‍