自己回帰等変性ネットワークによる力を必要としない分子力学

原子の「映画」を加速する意義

化学、物理、材料科学における多くの興味深い問題は、原子がどのように動くかに帰着する：鎮痛薬分子のねじれ方、石英の振動、水が奇妙なガラス状の形に凍る過程などだ。分子動力学と呼ばれるコンピュータ実験はこうした原子の映画を再現するが、計算負荷が非常に大きく、研究者はしばしばそのごく一部しか観測できない。本稿はTrajCastという新しい人工知能フレームワークを紹介する。これは本質的な物理を損なうことなく、これらの原子の映像を早送りすることを学習する。

引用: Thiemann, F.L., Reschützegger, T., Esposito, M. et al. Force-free molecular dynamics through autoregressive equivariant networks. Nat Mach Intell 8, 764–776 (2026). https://doi.org/10.1038/s42256-026-01227-7

キーワード: 分子動力学, 機械学習, 原子スケールシミュレーション, 材料科学, ガラス状の水