機械学習ポテンシャルによる炭素クラスター異性体の探索加速

科学分野:

• 計算材料科学
• 量子化学

背景:

• Gaussian approximation potential (GAP-20)および密度汎関数理論（DFT）を用いた3価C22ケージの探索。
• GAP-20はエネルギーランドスケープの近似を加速し、DFT最適化のための初期構造を提供する。
• GAP-20の限界には、ヤーン・テラー歪みの捉え損ない、および不正確なエネルギー/振動予測が含まれる。

研究 の 目的:

• 3価C22ケージの構造および振動特性を調査する。
• C22ケージのエネルギーランドスケープを近似する上でのGAP-20の性能を評価する。
• DFTを用いて構造および振動特性を精密化する。

主な方法:

• CALYPSOパッケージを用いた粒子群最適化による配置空間の探索。
• QUIP/LAMMPSとGAP-20を用いたエネルギーおよび力計算、それに続く共役勾配法による緩和。
• NWChemを用いたDFT最適化（B3LYP/6-31+G*）および振動解析による正確な特性評価。

主要な成果:

• GAP-20は効率的な初期構造探索を提供するが、相対エネルギーを過大評価する。
• GAP-20はC22ケージにおけるヤーン・テラー歪みを正確にモデル化できない。
• DFT計算は、正確な構造および振動数決定に不可欠である。

結論:

• GAP-20は初期スクリーニングに有用なツールであるが、DFTはC22ケージ特性の正確な解析に不可欠である。
• ヤーン・テラー歪みは、GAP-20では捉えられない重要な要因である。
• 正確な振動解析は、安定性および赤外スペクトルの予測にDFTが必要であることを確認する。