オープンな汎用機械学習ポテンシャル eSEN の学習済み知識を転用し、パラメータを fine-tune することで高精度な物性予測を実現しました。フォノン安定性、磁性、磁気異方性などを高精度に予測し、そのモデルを用いて約24万通りの4元系・all-d系ホイスラー合金の組成空間から、安定で結晶磁気異方性エネルギーの大きい有望化合物を効率的に見出しました。本手法はホイスラー合金に限らず、他の材料系や多様な物性を対象とした高速スクリーニングへの展開が期待されます。

作成時刻: 2026-03-31 03:07:12 +0900 更新時刻: 2026-07-03 04:30:08 +0900