8. 8
PFN Confidential
● NNとしてみたときに不自然な箇所に手を加える
○ 変更点を元のポテンシャルの表現に戻し、「エネルギーの安定な結合を
原子が選ぶ」という物理的な解釈を与える
○ 解釈にもとづいて活性化関数の形を決定
● 結合が複雑に変化する原子シミュレーション
が可能に
NNとしての解釈を持つ物理シミュレーション
So Takamoto, et al., "Atomistic mechanism of graphene growth on SiC substrate: Large-scale molecular dynamics
simulation based on a new charge-transfer bond-order type potential", Physical Review B 97, 125411 (2018).
20. 20
PFN Confidential
● データセットが機械学習モデルの性能の上限を定める
● 物理シミュレーションの場合、データセットは与えられるものではなく、自分で
生成することが可能
○ 計算資源が強みになる
大規模データセットの生成
クラスター 主な計算資源
MN-1 (運用終了) [GPU] P100 x 8: 128台
MN-1b (運用終了) [GPU] V100 x 8: 64台
MN-2a
[GPU] V100 x 8: 128台
[CPU] Xeon 36 core: 32台
MN-2b
[GPU] A100 x 6: 42台
[GPU] A30 x 6: 42台
MN-3a [MN-core] MN-core x 4: 48台
21. 21
PFN Confidential
● 既知の材料データベースに留まることへの課題
○ 不安定な構造に対する情報の欠落、構造の多様性の確保
● 「(学習中の)機械学習モデル自身に探索してもらう」手法
○ 人手ではなく機械学習モデルが自己学習する
○ ゲームAIとのアナロジー
PFPデータセット
PFP # Samples GPU days
v0.0.0 3 x 10^6 6 x 10^4
v1.0.0 10 x 10^6 10 x 10^4
v2.0.0 17 x 10^6 15 x 10^4
v3.0.0 22 x 10^6 42 x 10^4 *
* 収束しなかった等の理由で学習に使用していないデータ
の計算時間を含む
Simulation
Add record
Training
Self play
Add structure
Training
PFP dataset Game AI