学際大規模情報基盤共同利用・共同研究拠点

採択課題 【詳細】

jh230064 グラフニューラルネットワークと生成モデルを用いた非晶質系動力学予測システム開発
課題代表者 芝隼人(兵庫県立大学 大学院情報科学研究科)
Hayato Shiba (Information Technology Center, the University of Tokyo)
概要

近年、深層学習が飛躍的発展したことにより、複雑な計算を経て得られるシミュレーション結果を高精度に予測することができるようになった。時間発展型の様々なシミュレーションに対する深層学習予測手法が発展し、シミュレーションを代替できる可能性に期待が持たれている。本研究では、ゆっくりとした緩和する液体「非晶質固体」の動力学予測手法をテーマとする。これまでに代表者らが開発してきた、現在世界最高の予測精度をもつグラフニューラルネットワーク"BOnd TArgeting Network" をさらに高精度化するとともに、最新のGPUを用いてグラフニューラルネットワークによる高精度予測と生成モデルを組み合わせた、新たな非晶質固体のサンプリング手法や破壊スポット予測手法の開発に繋げる。

報告書等 研究紹介ポスター 最終報告書
関連Webページ
無断転載禁止