講演情報
[9p-S301-1]GNNモデルを用いたCaTiO3の構造相転移と誘電特性の評価
〇(M1)吉持 幸毅1、Alex Kutana1、旭 良司1 (1.名大工)
キーワード：
機械学習、グラフニューラルネットワーク、相転移
ボルン有効電荷テンソルおよび誘電率テンソルの予測が可能な回転等価型グラフニューラルネットワークモデル（EquivarGNN）を開発し、CaTiO3の相転移と誘電率特性について調べた。局所構造の相分類を行うことで、格子定数の変化からは同定困難な高温の構造相転移を可視化することに成功した。また、誘電率テンソルの予測値は、0Kで密度汎関数摂動理論の計算結果と良く一致し、温度依存性は実験結果を再現した。