ニュース

＜研究成果＞
　近年、機械学習を使った原子間相互作用の予測が著しく発展していますが、機械学習モデルは外挿が難しく、大きく乱れた構造となる欠陥近傍の予測に課題がありました。本研究では、鉛フリー強誘電体材料のチタン酸バリウム（BaTiO3）の転位欠陥構造をアクティブ・ラーニングで学習することで、転位芯近傍の原子間相互作用を高精度で再現できる機械学習ポテンシャルを構築しました。このポテンシャルを用いてBaTiO3材料での分子動力学シミュレーションを実施し、転位芯構造の非対称性により転位芯からの反転分極ドメイン形成に非対称性を生じることが初めて示されました。

関連ウェブサイト：Hot Topic: Artificial Intelligence and Machine Learning

掲載論文のウェブサイト：physica status solidi rapid research letter

研究室ホームページ：尾形研究室