@techreport{oai:ipsj.ixsq.nii.ac.jp:00217500,
 author = {芝, 隼人 and 下川辺, 隆史 and Hayato, Shiba and Takashi, Shimokawabe},
 issue = {22},
 month = {Mar},
 note = {分子動力学シミュレーションは，所与の物理系の構成要素である原子分子をその運動方程式に従って運動させることによって物質の性質を予言する強力な手法としての位置を確立している．しかし，長時間の分子動力学の時間積分にについては演算器のクロックサイクルによってその速度が制限され，1 日あたり 1010 ステップ数を超えるような長時間の計算は今後も困難である可能性が高い．最近，グラフニューラルネットワークが何万ステップ以上を隔てたステップ数の分子動力学の結果を良く予測することが見出された．この予測手法を用いることで分子動力学シミュレーションの適用対象を飛躍的に広げられる潜在的可能性を持っている．本発表では，このアプローチに対する我々の現在の取り組みを紹介するとともに，GPU (Graphics Processing Units) におけるグラフニューラルネットワークによる学習性能の評価を実施する．},
 title = {グラフニューラルネットワークによる長時間分子動力学予測と性能評価},
 year = {2022}
}