フォーマット・シリーズ

機械学習ポテンシャルとは？DFTとの関係と汎用モデルの限界

2026/7/8 （更新: 2026/10/7） シリーズ「凸包」 第2回 / 全3回

🤖 AIが執筆しています

結晶は「グラフ」である

DFT の遅さを数字で見ると、Materials Project の実データでは、緩和でのエネルギー変化が最大級だった結晶1つに32コアで15時間かかった例がある¹。

ニューラルネットに材料を読ませる、と聞くと難しそうだが、表現は素直だ。結晶をグラフとして扱う。原子をノード、近くにある原子どうしの関係をエッジにする。すると、画像でも文章でもなく「グラフ上の予測問題」になる。

ネットに何を予測させるか。エネルギーと、各原子にかかる力である。

ここが肝心だ。エネルギーだけでなく力(=各原子がどちらへ動きたいか)を出せると、ネットは単なる電卓ではなく、原子を実際に動かして構造を緩和できるようになる。物理では、力はエネルギーの傾き(勾配)を逆向きにしたものである。だからエネルギーの地形を学んだネットは、その地形の傾きから力を読み取り、原子を谷へ転がせる。こうして、DFT を高速に近似する代理（サロゲート）モデル=機械学習原子間ポテンシャル(MLIP) が生まれる。膨大なDFTデータを教師に「DFTならこう答える」を学んだ身代わり、と捉えてよい。速度差は桁違いで、たとえば M3GNet の著者らは SiO₂ 多形のフォノン計算について「秒で終わり、DFT より少なくとも4桁速い」と報告している²。ただし両者は別の手法（凍結フォノンと DFPT）で、厳密な同一条件の比較ではない。

なぜ「緩和」するのか。 候補としてひねり出した結晶は、原子の位置がまだ最適とは限らない。仮置きの配置である。そこで予測した力に沿って原子を少しずつ動かし、最も近いエネルギーの谷（安定なつり合いの配置）まで転がり落とす。これが構造緩和である。ある結晶が安定かどうかを決めるのは、この緩和後のエネルギー（凸包と比べる値）であって、仮置きのままのエネルギーではない。緩和を省くと、たまたま置いた配置のエネルギーを評価しているだけになり、本当の安定性を取り違える。力まで予測できるネットの値打ちは、この緩和を自前で回せる点にある。

「原子のための基盤モデル」はLLMと同じ手口である

2022年以降の本当の転換は、ここからである。

昔は、材料ごと・系ごとに専用のポテンシャルを作っていた³。新しい転換は周期表の広い範囲を1つのネットでカバーする「普遍ポテンシャル」を、巨大なDFTデータで事前学習することである。これは、あなたがLLMで知っている手口そのものである。大きな固定コーパスで事前学習し、未知へ汎化させ、そして分布シフトを心配する。違うのは中身が言語でなく原子だという点だけ。

具体例を挙げる(すべて実在の研究):

• M3GNet(Chen & Ong, 2022, 論文「A Universal Graph Deep Learning Interatomic Potential for the Periodic Table」)。Materials Project が10年かけて積んだ構造緩和データで学習し、3100万個の仮想結晶をふるって約180万個の候補を拾い上げた。さらに、そこから選んだ2000個（全化学からの上位1000個と、金属酸化物の上位1000個）のうち1578個がDFTで安定と確認されたと報告している。しかもその大半は未知の材料で、全化学側の999個は1つも Materials Project に無く、酸化物側579個のうち既知は5個だけだった¹。「速いスクリーニング」は既知の再発見ではなく、新規の候補を拾っていた。ただしここでの「安定」の線は、「凸包までの距離がゼロ以下」ではなく 0.001 eV/atom 未満。内訳も全化学 999/1000 に対し酸化物 579/1000 で、当たり方は化学種によってかなり違う¹。
• MACE-MP(Batatia ら)。各層が4体までの多体情報を同変な(結晶を回転させても予測が整合的についてくる)特徴量として持ち、その結果メッセージパッシングは2層で足りる普遍ポテンシャルであり、著者らは89元素・約150万構造(MPtrj、約15万結晶ぶんの静的計算と構造最適化軌跡)でこれを学習させている³。

LLM と同じ構造がここにある。固定された参照コーパスで事前学習した基盤モデルがあり、汎化と分布シフトの同じ問いが並ぶ。認識論はLLMと地続きである。分布のずれについては、脳型インターフェース(BCI)のデコーダが近い例になる。直近の少量データで訓練したデコーダは、記録条件が変わると効かなくなる⁴。MLIP もデコーダも、固定コーパスで学んだ写像を分布のずれた本番に当てる、という一点で通じている。

この論文は最も目を引く結果として、分布外での性能の高さを挙げている。元素置換で作った WBM データセットを、著者らは分布外の試験集合と位置づけている³。応用の例としては、リチウム–黒鉛の電圧曲線がある。Li の割合 x が 0.04 を超える領域で誤差が 0.1 V 未満に収まり、8000件超の系特化DFT計算で訓練した専用モデルと同等の精度を追加学習なしで出した³。希薄側では実験より最大3倍高い電圧を出す、とも原典は断っている。電圧の式でリチウム分率が分母に入るのでわずかなエネルギー差が増幅されること、低濃度ではエントロピーの寄与を見積もる標本が少ないこと、の2つが理由として挙げられている³。

なお、MACE の著者ら自身は「foundational と呼ぶのは、その使われ方のためだ」と限定している。初期探索の道具としては多くの用途に使えるが、特定のシミュレーション課題で定量的に正確な予測を得るには、おそらくファインチューニングが要る、と続けている³。

ただし、罠もLLMと同じ

シリーズを通じた主張に戻る。DFT の答えを完璧に当てるモデルは、シミュレータを学んだのであって、現実を学んだのではない。

機械学習ポテンシャルが学ぶ「正解」は、DFT が計算した値である。だからモデルは、原則として、訓練した参照(DFT)の良さを超える正確さは期待しにくい。厄介なのは、参照そのものが現実から外れている場合である。電子相関の強い系のエネルギーや、汎関数が取りこぼす分散力がそれにあたり⁵、DFTの再現度をいくら上げてもずれは残る。ずらす手はある。参照をより新しい汎関数へ付け替えれば、Hubbard U や分散力のような系ごとの補正に頼る度合いは減らせる、と原典も見ている⁵。「モデルがDFTと一致した」は「現実と一致した」ではない。この一段を飛ばすと、速度の数字だけを見て、何を達成したのか見失う。

もう一つ、但し書きがある。回帰指標の良し悪しは、そのまま「使える度」にはならない。同じ「安定性を当てる」というタスクの中でさえ、回帰指標(エネルギー誤差)で強いモデルが、実際に使う分類指標(発見のF1・決定境界付近の偽陽性率)でも強いとは限らない⁶。ただし、この食い違いが順位表の全体に及ぶわけではない。このベンチマークで最上位を占めたのは普遍ポテンシャルで、最初の1万件でランダム選択の最大6倍の発見加速率を示し、首位のモデルは報告された9つの指標すべてで他を上回っている⁶。それでも、速いネットはトリアージ(ふるい分け)であって最終判定ではない。最後はやはりDFTが、そして究極的には実験が確かめる。実際、M3GNet の著者らが約180万個の候補プール（すべてモデル側の最も厳しい線 0.001 eV/atom 未満）から一様に1000構造を抜いてDFTに掛けたところ、凸包までの距離がゼロ以下、つまり安定だったのは31%だった¹。先に挙げた1578個のほうは、いちばん自信のある先頭2000個を切り出したときの数字である。同じ型の、より大きな例が Google DeepMind の GNoME（Merchant ら, 2023）である。モデルでふるった候補を DFT で計算し直す循環を回し、それまでの凸包より下の構造を220万個見いだし、うち736件は独立に実験で合成済みだったと報告している⁷。発見どうしで安定を競わせると、更新後の凸包に残るのは38.1万個になり、原典はそれも今後の発見で押し出されうると断っている⁷。だから「何百万個も『凸包より下』を予測できる」ことと、その「下」が本当に現実の新材料を意味することの間には、まだ一段ある。機械学習ポテンシャルの価値と限界は、その一段をどう扱うかで分かれる。

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。