近年の機械学習技術の目覚ましい進展に伴い, 物質科学分野においてもその応用が盛んに行われている. 一方でニューラルネットワークを用いた機械学習ポテンシャルの構築は1990 年代に既に試みられており近年の機械学習技術の進展とは異なる文脈での理論的な発展が背後に隠れている. 本稿では機械学習ポテンシャルの発展についてBehler-Parrinello のニューラルネットワークポテンシャルの定式化と筆者の最近の応用事例について解説する.

Kohn-Sham 方程式は現代の物質科学シミュレーションに欠かせないものであるが，それから得られる物理量の精度は交換相関ポテンシャルにより規定される．しかし交換相関ポテンシャルの表式を系統的に改善する方法は未だ確立していない．本稿では機械学習手法の応用により，これを数値的に実現する試みについて紹介する．

創薬の分野では，機械学習と分子シミュレーションを併用する場合が多い．現象の理解は，高精度の予測ではない．創薬での分子設計では，新規な分子構造の提案が目的だが，分子量500Da 以下で実現できる分子の可能性は10⁶⁰ 種類とも言われ，無作為な試行錯誤は効率が悪く，分子設計指針を示すことが大事な場面が多い．また，生物のもつ高度な複雑さから数理モデルの構築が困難で，ブラックボックスになりやすく，かつ実験は困難で再現性の低い少数のデータしかない場合も多い．そのため，できるだけメカニズムに基づく回帰モデルを構成し，要素の重みを見積もって理解と予測を同時に行うのが古典的アプローチである．つまり，現象を写真にとってきたように精密に再現することにこだわるのではなく，似顔絵のようにデータの低次元化を図ることで，現象とその原因の主だった特徴を抽出するのが大事である．例として複数分子の集合体による膜透過現象における分子シミュレーションと古典的な機械学習の組み合わせ手法について解説する．

動的で多様な構造状態をもつ生体高分子を対象とする創薬において，計算科学の役割は重要性を増している.我々が取り組む計算創薬においては,例えば分子動力学計算を介して薬剤ポケットの予測や薬剤親和性の評価を行うことを目的とするが，精度の高い予測を行うには，信頼性のある初期構造モデルや高精度力場の構築に加え，シミュレーションの大規模・長時間化・高頻度化が必要となり人的あるいは計算コストの高騰が問題となっている．コスト高を引き起こしている要因の一部は探索問題や最適化問題として捉えることができ，機械学習により計算精度を保ちながら高速化を行うことができる．本稿では，計算創薬における精度とコストの調和を目指し開発を進めている，シミュレーション・機械学習・実験が三位一体となった手法を報告する．

直交表と応答曲面法を融合させたマテリアルズインフォマティクスを活用することで，密着強度に優れた界面を効率的に設計する技術を開発した．この技術を適用することによって，電子部品用ポリスチレン樹脂との密着強度を最大にする金属材料を設計した．この結果，設計指針として短辺格子定数a＝0.247 nm，長辺格子定数b＝0.428 nm の条件を満たし，なおかつ表面エネルギーの大きな金属材料が最適であることを導いた．そして，この条件を満たすNi/Mn/Co 積層構造の金属材料が最適であることを見出した．また，この材料の密着強度の高さをスクラッチ試験で確認することにより，本技術の有効性を示すことができた．

ナノテクノロジーの発展によってナノ構造の制御性が向上する中で，膨大な設計自由度を有するナノ構造を最適化する技術の必要性が増している．本稿では，熱機能材料の開発を念頭に，熱輸送計算と機械学習を組み合わせて熱伝導度を最小化あるいは最大化するナノ構造を同定するマテリアルズ・インフォマティクス手法を紹介する．

モンテカルロ法(以下，MC 法) は，分子動力学法とともに，統計力学の数値解法である．モンテカルロ法は，統計力学の物理量の期待値の公式を，ボルツマン分布を実現する乱数を用いた数値積分により求める方法であり，分子動力学法に比べてより直接的に統計力学と結びついている．前回は，等圧等温アンサンブル，グランドカノニカルアンサンブル，ギブスアンサンブルのMC 法について説明した．今回は，分子系のMC 法である配置バイアスMC 法，非ボルツマン統計のレプリカ交換MC 法などについて，その基礎とその計算方法について説明する．

レプリカ置換法はレプリカ交換法を発展させた効率的なサンプリング手法である. レプリカ置換法は元々カノニカルアンサンブルにおいて開発されてきた. 本稿では, 定温定圧アンサンブルに拡張したレプリカ置換法を紹介し, 温度と圧力の2 次元空間に対してパラメータ置換を実行するためのアルゴリズムを述べる. さらに, 本手法をシニョリンに適用した例も紹介する. 一般的にタンパク質の2 次構造は圧力が加わることで壊れてしまうが, 高圧環境下で安定化するβヘアピン構造があることを定温定圧レプリカ置換シミュレーションから発見した. さらに, その分子論的機構を明らかにした.

本稿では，博士論文「化学反応素過程の複雑ネットワークに対する速度解析」について紹介する．近年開発が進められている反応経路自動探索法では，膨大な数の安定構造及び素過程から成る反応経路ネットワークを得ることができる．反応経路ネットワークに基づいて化学反応の反応性を議論するためには，反応速度論に基づく理論開発が必要である．そこで本研究では，速度定数行列を縮約し多段階で進行する反応のオーバーオールの速度定数を求める速度定数行列縮約法を開発した．前半では，この理論と応用について示した．後半では，同手法を反応経路自動探索にも応用することで，探索を効率化できることを示した．

近年の分子動力学シミュレーションの発展により，様々な物質の詳細な核生成過程が明らかになりつつある．その工学的な重要性から水や金属などの研究が盛んに行われているが，液晶のような1 軸性の異方性分子の核生成過程は未だ謎に包まれている．本研究では大規模な分子動力学シミュレーションを行うことによって，液晶分子の詳細な核生成及び成長過程の解析を行った．その結果，液晶分子の核生成は非常に高い配向状態から始まり，一度分子配向が乱れた状態を経た後にネマチックな液滴へと成長することが明らかになった．