ニューラルネットワークポテンシャル

ニューラルネットワークポテンシャル（NNP）は、第一原理計算（DFT）で得られた膨大なデータを学習させることで、原子間の相互作用を高速かつ高精度に計算するための機械学習モデルである。DFTに近い精度を維持しながら、計算速度を数千倍から数万倍に高めることができるため、従来は不可能だった数千個以上の原子を含む大規模な系や、長時間の分子動力学シミュレーションを可能にする。材料科学におけるデジタルツインの構築に不可欠な技術となっている。