グラフニューラルネットワークを用いた分子動力学シミュレーションの高速化

本論文は、分子動力学シミュレーションを高速化するために、グラフニューラルネットワーク（GNN）に基づく代理モデルを提案しています。従来の計算コストの高い力計算や数値積分を回避し、原子の変位を直接予測します。ラジアル分布関数や平均二乗変位などの物理的特徴を維持できる能力は重要です。このアプローチは、特に金属系における原子シミュレーションのための有望で効率的な代替手段を提供します。

• •分子動力学のためのGNNベースの代理モデルを提案。
• •明示的な力計算を回避し、計算効率を向上。
• •アルミニウムシミュレーションにおいて、精度と物理的特性の維持を実証。
• •高速化された原子シミュレーションのための、従来の分子動力学に対する有望な代替手段を提供する。