機械学習原子間ポテンシャルの基礎と材料シミュレーションへの応用
★2026年7月27日WEBでオンライン開講。熊本大学 島村氏が、【機械学習原子間ポテンシャルの基礎と材料シミュレーションへの応用】について解説する講座です。
■注目ポイント
第一原理精度と計算効率を両立する機械学習原子間ポテンシャル（MLIP）の本質を最新動向とともに分かりやすく整理し実践につながる形で解説！
- 熊本大学 大学院先端科学研究部 島村 孝平 氏
【1名の場合】45,100円(税込、資料作成費用を含む)
2名以上は一人につき、16,500円が加算されます。
定員：30名
※ お申し込み後、受講票と請求書のURLが自動で返信されます。基本的にはこちらで受付完了です。開催前日16：00までに再度最終のご連絡をいたしますので、しばらくお待ちください。請求書と受講票は郵送ではないため必ずダウンロードください。また、同時に送られるWEBセミナー利用規約・マニュアルを必ずご確認ください。
※ セミナー前日夕方16：00までにWEB会議のURL、事前配布資料のパスワードについては、別途メールでご案内いたします。基本的には、事前配布資料はマイページからのダウンロードの流れとなります。なお、事前配布資料については、講師側の作成完了次第のお知らせになりますので、この点、ご理解のほどお願い申し上げます。
※ 請求書の宛名の「株式会社」や「(株)」の「会社名の表記」は、お客様の入力通りになりますので、ご希望の表記で入力をお願いします。
※ お支払いは銀行振込、クレジット決済も可能です。銀行振込でお支払いの場合、開催月の翌月末までにお支払いください。お支払いの際は、社名の前に請求書番号をご入力ください。
※ 領収書のご要望があれば、お申込み時、領収書要にチェックを入れてください。
※ 2名以上でお申し込みをされた場合は、受講票と請求書を代表者様にご連絡します。
※ 当講座では、同一部署の申込者様からのご紹介があれば、何名でもお1人につき16,500円で追加申し込みいただけます (申込者様は正規料金、お2人目以降は16,500円となります)。追加の際は、申し込まれる方が追加の方を取りまとめいただくか、申込時期が異なる場合は紹介者様のお名前を備考欄にお書きくださいますようお願いいたします。
※ なお、ご参加手続きの際、自宅住所やフリーアドレス、個人携帯番号のみで登録された場合は、ご所属確認をさせいただくことがございます。
【本セミナーの主題および状況・本講座の注目ポイント】
■本セミナーの主題および状況（講師より）
★近年、第一原理計算に匹敵する精度を維持しつつ、分子動力学計算を大幅に高速化できる手法として、機械学習原子間ポテンシャル（MLIP）が急速に注目を集めています。
→本セミナーでは、MLIPの基礎原理から応用までを体系的に解説します。
■注目ポイント
★MLIPによるシミュレーションの高度化や材料開発プロセスの効率化を目指す研究者・技術者にとって有益な指針を提供!
★近年登場した多数元素を扱うFoundation Model型MLIPの特徴と従来手法との違いを解説!
★固体材料や有機材料など多様な系への応用事例を取り上げMLIPが研究・開発にどのように活用されているかを提示！
講座担当：牛田孝平
≪こちらの講座は、WEB上での開催のオンライン講座になります≫
【時間】 13:00-16:00
【講師】熊本大学 大学院先端科学研究部 島村 孝平 氏
【講演主旨】
近年、第一原理計算に匹敵する精度を維持しつつ、分子動力学計算を大幅に高速化できる手法として、機械学習原子間ポテンシャル（MLIP）が急速に注目を集めています。
本セミナーでは、MLIPの基礎原理から応用までを体系的に解説します。まず、従来型原子間ポテンシャルとの違いを概観し、構造記述子の発展や同変性といった概念が求められる背景を整理します。続いて、学習データの作成、モデル構築、性能評価といった実務上の重要ポイントについて具体的に紹介します。
さらに、近年登場した多数元素を扱うFoundation Model型MLIPにも触れ、その特徴と従来手法との違いを解説します。あわせて、固体材料や有機材料など多様な系への応用事例を取り上げ、MLIPが研究・開発にどのように活用されているかを示します。
本セミナーは、MLIPによるシミュレーションの高度化や材料開発プロセスの効率化を目指す研究者・技術者にとって、有益な指針を提供することを目的としています。
【プログラム】
１．機械学習原子間ポテンシャル（MLIP）の概要
1-1 MLIPとは何か
（1）従来型原子間ポテンシャルとの違い
（2）第一原理精度と計算速度の両立
1-2 MLIPが注目される背景
（1）大規模分子動力学計算の必要性
（2）材料開発などの応用領域の拡大
1-3 実際のMLIP応用例
２．MLIPの理論的基礎
2-1 記述子の考え方
（1）回転・並進・鏡映対称性（E(3)）が何故必要か？
（2）局所環境の特徴量化
2-2 不変性と同変性の概念
（1）エネルギーと力の関係
（2）E(3)不変性・同変性の意義
2-3 ブレークスルーMLIP
（1）Behler–Parrinello Neural Network (NN) Potential
（2）Atomic Cluster Expansion
（3）メッセージパッシング型Graph NN MLIP
３．MLIP構築の実務フロー
3-1 学習データの準備
（1）第一原理計算のポイント
（2）サンプリング戦略
（3）Universal Datasetの利用
3-2 学習プロセス
（1）コスト関数の構成
（2）学習・検証・テスト
3-3 精度評価と解釈性
（1）RMSE、MAEなどの指標
（2）結合エネルギーらに基づく評価
（3）モデルのブラックボックス性とその対処
４．最新動向
4-1 Foundation Model
（1）スケーリング則の発見
（2）MLIP運用方法の変化
（3）Fine-tuningについて
4-2 電子状態計算との融合
（1）電子基底状態計算の動向
（2）電子励起状態計算へ
4-3 物理学的に本質的な学習を行うには
５．まとめ
【質疑応答】
【キーワード】
機械学習原子間ポテンシャル（MLIP）、材料シミュレーション、分子動力学（MD）、第一原理計算、計算材料科学
【講演のポイント】
第一原理精度と計算効率を両立するMLIPの本質を、最新動向とともに分かりやすく整理し、実践につながる形で解説します。加えて、物理的理解と解釈性の視点から、実践に活かせる知見を提示します。
【習得できる知識】
・機械学習原子間ポテンシャル（MLIP）の基本概念と、従来型原子間ポテンシャルとの違いを理解する。
・構造記述子の発展や不変性・同変性の考え方を通じて、MLIPの基礎原理とモデルの特徴を把握する。
・学習データの作成からモデル構築・性能評価に至るまで、MLIP開発の一連のプロセスを理解する。
・自身の研究・開発にMLIPを適用するための実践的な観点（精度評価、解釈性、モデル選択）を習得する。