コンテンツにスキップ

Research Note Ep0: LLZO + Li + ML-IAP + Allegro

このページは notes（MkDocs）版へ移行中です。

TL;DR

  • LLZO短絡問題に対し、QE × ML-IAP（Allegro/NequIP） × LAMMPS で「再現可能に回る」ワークフローを作る導入編です。
  • DeepMD系ワークフローを土台にしつつ、E(3)等価なモデル（Allegro）へ移行する理由と評価観点を整理します。
  • まずは 粒界（grain boundary）でのLi偏析・局在 を前駆現象として定量化し、後続で界面シナリオへ接続します。

このシリーズのワークフロー（全体像）

  1. QE: DFTデータ生成（構造/エネルギー/力/応力）
  2. 変換: 学習用フォーマット（extxyz等）へ整形
  3. 学習: NequIP/Allegro（PyTorch）でトレーニング
  4. AI-MD: LAMMPS（Kokkos）で条件スイープ・長時間MD
  5. 解析: 偏析/拡散/局在などを解析し、必要なら3D可視化

このページで得られること

  • 「何をどの順番で準備すればAI-MDが回るか」の地図
  • 4GPU/8GPUの考え方（どこがボトルネックになりやすいか）
  • 次に読むべきページ（Ep1/Ep2/解析）の導線

次に読むページ

相談・見積

→ お問い合わせ

次のアクション（迷ったらここ）