Ep1: LLZO/Li interface（DFT + ML-IAP + Allegro）

このページは notes（MkDocs）版へ移行中です。
元記事（現行サイト）：https://server-gear.com/blog/post/ep1r-llzo-li-interface-dft-ml-iap-allegro

TL;DR

• LLZO/Li 界面を題材に、QE（DFT）→ 学習データ → Allegro/NequIP 学習 → 推論/AI-MD へ繋ぐ「界面編」です。
• つまずきやすいのは 界面モデルの作り方（構造の整合） と 学習データのバランス（界面/バルク/欠陥など）です。
• まずは「小さく完走する」最小構成を作り、必要に応じてサンプル数・バリエーションを増やします。

このページで得られること

• 界面（interface）を含むDFTデータ作成の進め方（最小）
• 学習データとして破綻しないためのチェック観点
• Ep0/Ep2 との接続（シリーズとしての読み順）

最小パイプライン（全体像）

1. 界面モデル作成（LLZO + Li、整合・固定層・真空/周期条件など）
2. QEでDFT計算（構造/エネルギー/力/応力）
3. 学習データ整形（extxyz等、原子種・単位・応力の整合）
4. Allegro/NequIP 学習（小規模で完走確認 → 本学習）
5. 推論・評価（界面近傍での誤差/安定性を確認）
6. 必要に応じて LAMMPS 連携（AI-MDで挙動確認）

典型的な設計ポイント（メモ）

• 界面モデル：原子重なり/不自然な近接がないか、固定層の扱い
• データ：界面だけに偏らない（バルク・欠陥・表面などを混ぜるか検討）
• 受け入れテスト：第三者が同じ手順で再現できる最小ジョブを用意

次に読むページ

• Ep0: LLZO + Li + ML-IAP + Allegro
• Ep2: QE GPU + Allegro training（H200 NVL）
• QE + DeepMD + LAMMPS（LLZO Li-ion path 3D）

相談・見積

→ お問い合わせ