材料開発カフェ　Materials Development Cafe#7

材料開発カフェに新たな形が！材料開発カフェ#7からは、Mat3raプラットフォームと、その開発について引き続きお話しするとともに、研究者の方々にも、ご自身の研究成果をご紹介いただく機会を設けます。材料開発カフェ#7のプレゼンター：

Andi Muhammad Nur Fitrah Syamsul, Graduate School of Engineering, Mie University, Tsu, Mie, Japan Investigating Stability of Fe/MgO(001) Interfaces during Monolayer Growth via Machine Learning-Assisted Ab Initio Relaxation 機械学習支援アブイニシオ緩和法による単層成長中の Fe/MgO(001) 界面の安定性の調査

Satomichi Nishihara, Advance Soft K.K.

Mat3ra.comの基本機能 *#機械学習 #分子動力学法 #機械学習ポテンシャル #科学技術計算 #マテリアルズインフォマティクス #第一原理計算 #Lammps #VASP #QuantumEspresso #M3Gnet #DFT #MaterialsInformatics *

対象者‍

• 凝縮物質物理学、材料科学、化学、および関連分野で働き、密度汎関数理論 (DFT)、分子動力学 (MD)、および関連アプローチを専門とする科学者およびエンジニア。
• 前提条件: 結晶構造や材料の物理的特性など、材料科学における基本的な物理学の概念に関するある程度の知識。
• 推奨される前提条件: Linux/UNIX コマンドラインの知識、DFT の基礎知識、Quantum ESPRESSO、VASP などのシミュレーション コードに関する知識。

‍

プログラム

17:45 ~ 18:00 受付

18:00 ~ 18:05 オープニング: Jean-Dominique Francois, Mat3ra Japan株式会社

18:05 ~ 18:40 Andi Muhammad Nur Fitrah Syamsul, Mie UniversityInvestigating Stability of Fe/MgO(001) Interfaces during Monolayer Growth via Machine Learning-Assisted Ab Initio Relaxation 機械学習支援アブイニシオ緩和法による単層成長中の Fe/MgO(001) 界面の安定性の調査

詳細は下記をご覧ください

18:40 ~ 19:15 Satomichi Nishihara, Advance Soft K.K.詳細は下記をご覧ください

Time-Dependent GW Molecular Dynamics: A New Possible Paradigm for Accurately Traversing The Excited-State Dynamical Landscape　時間依存GW計算(TDGW)による電子励起経由での化学反応ダイナミックスの正確な記述の実現  

詳細は下記をご覧ください

‍19:15 ~ 19:30 Jean-Dominique Francois, Mat3ra Japan株式会社Mat3raの紹介: アプローチ, 主なコンポーネントとその関係, 利用可能なリソース, ハンズオン デモンストレーション : 材料構造, シミュレーション ワークフロー, シミュレーション ジョブ

19:30 ~ 20:00 懇親会

Jean-Dominique Francois, Mat3ra Japan株式会社

開催概要

日程：2026年1月7日（水）6:00PM ~ 8:00PM（5:45PM受付開始）ハイブリッド(対面とオンライン)、英語と日本語

会場：Mat3ra Japanオフィス　東京都千代田区大手町一丁目6番1号 大手町ビル6階Inspired.Lab

定員：20名 持参物：名刺

費用：無料

※プログラムは予告なく変更される場合があります。

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

Machine Learning-Assisted Exploration of Interface Stability in Fe/MgO(001) Heterostructures via Active Learning*Andi Muhammad Nur Fitrah Syamsul1, Kohji Nakamura11Graduate School of Engineering, Mie University, Tsu, Mie, Japan.*424de01@m.mie-u.ac.jpKeywords: Magnetic tunnel junction, machine learning, interface stability, Gaussian Process Regression, active learningTo achieve a desirable performance in Fe/MgO/Fe Magnetic Tunnel Junctions (MTJs), maintaining a stable, highquality flat interface that supports coherent tunneling is necessary [1]. This is hindered by the lattice mismatch between Fe and MgO (3.5% - 3.9%) and disparate surface free energies (Fe ∼ 2.9 J/m ,  MgO ∼ 1.1 J/m), promoting island formation during Fe deposition on MgO(001) [2]. Addressing the need for interface stability characterization, we employed a machine learning-assisted ab initio structure relaxation approach on an Fe/MgO(001) heterostructure to investigate its inherent stability during initial monolayer formation and its interaction under minimum energy variations. Here, we consider two formation schemes: MgO/Fe and Fe/MgO, with the top layer (free layer) relaxed and the bottom layer (substrate layer) constrained as a flat surface. A Gaussian Process Regression (GPR) model was trained on Density Functional Theory (DFT) data from a reference MgO/Fe(001)-(3×3) heterostructure (9 atoms per species) and expanded using two random atomic displacement (RATTLE) schemes [3]: RATTLE 1, where all free atoms were displaced randomly up to 1.5  Å, and RATTLE 2, where half of the free atoms were displaced randomly up to 2.5  Å. Active learning, utilizing the Global Optimization with First-principles Energy Expression (GOFEE) algorithm, generated structural configurations corresponding to the lowest-energy minimum and minimum energy variations [4]. Following 50 GOFEE iterations,approximately 100 structures were generated for each scheme, with the GPR model accurately predicting the low energy configurations in under 40 structures, representing a significant computational saving. This efficiency is attributed to the constraint imposed by RATTLE 1, focusing the GPR search near the reference structure instead of a fully randomized search. Results show that the MgO/Fe scheme showed a relatively flat monolayer configuration at its lowest-energy state, while the Fe/MgO scheme produced an island-like configuration, consistent with experimental observations [5]. Furthermore, under minimum energy variations up to 0.1 eV/atom, MgO/Fe maintained its flatness, indicating structural stability of MgO layer on top of Fe layer, whereas Fe/MgO maintained its island formation but exhibited a noticeable pattern of flattening.

References:

1. S. Yuasa, T. Nagahama, A. Fukushima, Y. Suzuki, K. Ando, Nat. Mater. 3, 868-871 (2004).
2. T. Suzuki, S. Hishita, K. Oyoshi, R. Souda, Surf. Sci. 442, 291-299 (1999).
3. T. Mou et al., Nat. Catal. 6, 122-136 (2023).
4. M. K. Bisbo, B. Hammer, Phys. Rev. Lett. 124, 086102 (2020).
5. P. Luches, S. Benedetti, M. Liberati, F. Boscherini, I. I. Pronin, S. Valeri, Surf. Sci. 583, 191-198 (2005).