☆第一原理精度 × 数桁高速化！
電池・半導体・高分子・触媒など、幅広い材料系で活用が進むMLIPについて、
基礎から学習データ作成やモデル検証といった実務まで、体系的に解説します。
Zoomを使ったWEBセミナーです。在宅、会社にいながらセミナーを受けられます。
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（MD）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
（1）Attention機構の利用
５．まとめと質疑応答