第一原理計算と機械学習ポテンシャルによる合金状態図予測

カテゴリ：研究会(論文単位)

論文No：MAG25121,LD25086

グループ名：【A】基礎・材料・共通部門 マグネティックス/【D】産業応用部門 リニアドライブ合同研究会

発行日：2025/11/28

タイトル(英語)：Prediction of alloy phase diagram using first-principles calculation and a machine learning potential

著者名：佐原 亮二(物質・材料研究機構),Saengdeejing Arkapol(物質・材料研究機構),木野 日織 (統計数理研究所),川添 良幸(東北大学),東野 和幸(ネッツ),知京 豊裕(物質・材料研究機構)

著者名(英語)： Ryoji Sahara(National Institute for Materials Science),Arkapol Saengdeejing(National Institute for Materials Science),Hiori Kino(The Institute of Statistical Mathematics),Yoshiyuki Kawazoe(Tohoku University),Kazuyuki Higashino(NETS),Toyohiro Chikyow(National Institute for Materials Science)

キーワード：第一原理計算,機械学習ポテンシャル,合金状態図,熱力学データベース,Ｐｔ－Ｒｈ二元系合金,密度汎関数理論,first-principles calculation,machine learning potential,alloy phase diagram,thermodynamic data base,Pt-Rh binary alloy,density functional theory

要約(日本語)：状態図は全ての合金開発プロセスにとって必要不可欠なツールである。通常、状態図は計算熱力学法に基づき熱力学データベースを参照して計算されるため、熱力学データベースの構築には膨大な時間とコストがかかり、その精度に計算結果は依存する。本研究ではこの現状を打破するため、Pt-Rh合金を例に、第一原理計算のみで状態図を構築した。さらに高速化のため機械学習ポテンシャルで同様の計算を行い、結果の比較を行った。

要約(英語)：In this study, the phase diagram of Pt-Rh binary alloy was constructed only using first-principles calculations based on density functional theory. Additionally, to accelerate the process, similar calculations were performed using a machine learning potential, and the results were compared.

本誌：2025年12月1日-2025年12月2日マグネティックス/リニアドライブ合同研究会-1

本誌掲載ページ：23-25p

原稿種別：日本語

PDFファイルサイズ：2,033Kバイト