Ep1-R｜LLZO/Li Interface Construction & DFT Dataset for ML-IAP

Quantum ESPRESSO × Allegro (PyTorch) × LAMMPS
本稿では、ML-IAP (Allegro) 学習のためのDFTデータ生成手順を紹介します。LLZO(001) 面とLi 金属(001) 面を整合させた界面モデルを構築し、DFT AIMD により数千フレームの構造・力データを取得します。

1. 界面モデル構築

• LLZO supercell (96 atoms) と Li metal (64 atoms) の整合
• 真空層 12 Å 、周期境界条件 xyz
• エネルギー最小化と緩和条件設定

2. DFT AIMD 設定

• QE 7.4.1 (GPU版)
• PBEsol + PAW 擬ポテンシャル
• k点 2×2×1、カットオフ 100 Ry、温度 300 K

3. データ変換

出力 (pw.out) から energy, forces, stress を抽出し、ASE を用いて Allegro 形式 (JSON/XYZ) に変換。E(3) 等価性を持つため、回転増強データは不要です。

4. 次章予告

Ep2-R では H200 NVL 上での Allegro 学習と GPU 性能評価を行います。

現在の進行状況と今後の予定（Ep1-Rアップデート）

現在、本稿で紹介した LLZO(001)/Li(001) 界面モデルを用いて、QE 7.4.1 (GPU版) による DFT AIMD を実際に実行し、全エネルギー・力・応力を含むラベル付きデータ （energy, forces, stress）を取得済みです。これらの出力から、ASE を使って E(eV), F(eV/Å) 付きの extxyz 形式へ変換し、ML-IAP (Allegro) 学習にそのまま 投入できるデータセットの整備を進めています。

今後は、本稿の界面系に加えて、バルク LLZO・バルク Li、温度やLiカバー率の異なる LLZO/Li 界面、わずかにひずみを加えた構造などをQEで追加サンプリングし、 より広い状態空間をカバーするDFTデータを蓄積していく予定です。 これらのデータを Ep2-R での Allegro 学習・H200 NVL 上でのスケーリング評価に接続し、 最終的には Ep3-R での LAMMPS + ML-IAP によるデンドライト発生シミュレーションへと 展開していきます。