原子配置を対象とするニューラルネットワークの発展に伴い，用途を限定しない汎用原子間ポテンシャルが実現可能であることが示されつつある．本稿では汎用原子間ポテンシャルを構成する要素技術について特に経験的ポテンシャルとの対応関係に軸を置いて説明し，後半では著者らが作成した汎用原子間ポテンシャルPFP を題材にその性能を紹介する．

分⼦や固体のシミュレーションにおいて，精度と速度のトレードオフを解消することは⻑年の課題であった．2000 年代の後半に，機械学習の応⽤によってこれを実現しようとする機械学習ポテンシャルが提案されて以来，年々その応⽤範囲は拡⼤し，新たなシミュレーション技術として定着しつつある．本稿では，急速に発展する機械学習ポテンシャルの技術的基礎と，最近の展開を紹介する．

トライボロジー（摩擦・摩耗・潤滑に関する科学技術）において潤滑油と固体界面の化学反応の解析は困難であった．本稿では，近年応用研究が活発化しているニューラルネットワークポテンシャル（NNP）および反応力場による界面化学反応の解析事例を紹介する．NNP の実装例であるPreFerred Potential (PFP) により，複数種の有機金属を含む潤滑油の界面化学反応の解析が可能となった．反応力場動力学ReaxFF の力場パラメータを調節することにより， NNP よりも高速に界面化学反応を解析できる．

機械学習ポテンシャルは，第一原理計算と古典分子動力学をつなぐ強力な手法として知られるに至り，公開コードや商用サービスの増加に伴って近年広く普及，注目を集めている．本稿では，初学者に向けた機械学習ポテンシャルの概要について解説したのち，その応用事例としてアモルファス構造モデリングやアモルファス中のイオン拡散シミュレーションに関する研究事例を紹介する．最後に，機械学習ポテンシャルの学術的発展として重要である荷電欠陥の取り扱いや外場応答について，記述子やモデルの変更，そして実際のシミュレーション結果について解説する．

機械学習ポテンシャルや種々の高速化技術を用いた分子動力学計算の進展が著しいが，固溶体中の原子配置が平衡化する時間スケールへの到達は依然として難しい．このような問題に対しては通常，物質を格子模型にマッピングした上でアンサンブルサンプリングを実行し，平衡原子配置を予測するといった方策がとられる．筆者らは，このような計算で機械学習ポテンシャルをより効率的に活用するため，構造緩和前の格子構造から構造緩和後のエネルギーを予測する手法を提案した．拡張アンサンブル法と組み合わせた反復的な能動学習によって訓練データを蓄積することで，従来は事実上不可能であった欠陥を有する多元素複合酸化物材料のアンサンブルサンプリングを実現した．ここでは，手法の概要と，それを実装したPython フレームワークabICS，およびいくつ

本連載記事では，著者が「京」や「富岳」といった国のスパコンプロジェクトに10 年近く関与した経験およびそこで得た知識をもとに，分子動力学 (MD) 計算の大規模並列化のために必要な並列化プログラミングの技術，並列化効率を向上させるための方法論，最新ハードウェアの動向といった広範な話題について複数回に渡り解説する．

固相析出の初期段階である核生成過程において，液液相分離によって無秩序な液クラスターを介して固体に至るという，従来の想定と異なる二段階経路が近年注目されている．本稿では，従来の想定であった固相への一段階経路と二段階経路とを分ける鍵因子の解明を目的として，相互作用と分子形状が単純なLennerdJones 分子を用いた分子シミュレーション検討から，分子間相互作用の強さと分子サイズが経路に与える影響を整理し，分子の特性値から経路を予測する熱力学モデルを構築した我々の最近の研究について紹介する．

近年, 分解・強靭・自己修復性材料として, 架橋点の解離・再会合が可能な動的架橋エラストマーが注目を集めている. さらに近年架橋点の会合モチーフを調節したエントロピー駆動型と呼ばれる変種が開発されており, より優れた物性を示すことが知られている. その一方で架橋ポテンシャルを系統的に調節したり, 架橋点のダイナミクスを実験的に直接観測することは難しい. そこで本研究では実験的に知られるサイクル特性・自己修復特性を再現する動的架橋エラストマーの粗視化モデルを作成し, 架橋ポテンシャルと平衡状態・ダイナミクス・力学物性の相関を解析した.

RISMiCal は分子性液体の統計力学理論であるRISM/3D-RISM と解析ツールからなるプログラム群である． 筆者らがこれまで開発してきたRISM/3D-RISM 法の基本プログラムおよび高速なGPU 用プログラムを含んでいる．また，インプット生成やアウトプット解析のためのツールも含んでいる．本稿では，RISMiCal の概要と，RISM/3D-RISM を中心としたハイブリッド法，さらに3D-RISM の高速化について紹介する．

本稿ではデータの幾何的特徴を抽出し定量化するために有用なパーシステントホモロジーという手法を紹介する．パーシステントホモロジーは分子動力学シミュレーションなどで得られる原子配置データや，各種顕微鏡で得られる2 次元，3 次元画像の解析に有用である．また，筆者が中心となって開発しているパーシステントホモロジーによるデータ解析ソフトウェアHomCloud について解説する．HomCloud による銅の結晶の原子配置データを解析するデモを通して，解析の雰囲気を紹介する．

近年の合成技術の発達により，1 つの粒子の中に2 つ以上の異なる表面を有する異方性(Janus) 粒子の作製が可能となった. この十数年で実験・シミュレーション問わず，Janus 粒子系ではその表面異方性に起因する様々な複雑な自己集合過程や構造が確認されているにも関わらず，その複雑な自己集合構造と物性の関係性は明らかになっていない．本研究では粗視化分子シミュレーションを用い，せん断流れ下におけるJanus コロイド分散液およびJanus コロイド–ポリマー混合溶液の粘性挙動を調べ，自己集合構造との関係性の解明に取り組んだ．Janus コロイド分散液の場合，せん断流れの大きさに応じて，クラスターの成長，変形，分裂，崩壊が観察された．また，Janus コロイド分散液の粘性挙動はクラスターの形状ではなく，コロイド粒子同士が形成するクラスターの平均会合数が支配的であることが明らかとなった．Janus コロイド–ポリマー混合溶液は，純粋なJanus コロイド分散液と比較して，より大きなせん断速度でクラスターの崩壊が観察され，ポリマーは接着剤のような役割を果たすことが明らかとなった．

近年，深層学習や量子コンピュータといった次世代計算技術が急速に進歩している．これらの次世代計算技術を分子シミュレーションに効果的に適用することで，従来では考えられなかった計算高速化や解析自動化が達成できると期待されている．著者は博士課程において，深層学習および量子コンピュータを利用したシミュレーション活用の高度化研究を行った．本稿では，これらの研究のうち深層学習手法に絞って提案手法の理論的な側面を中心に紹介する．