Microsoft Research、深層学習ベース DFT アーキテクチャ Skala 1.1 を発表──学習データを 2.5 倍に拡充し GMTKN55 ベンチマークで加重平均誤差 2.8 kcal/mol を達成
Microsoft Research の深層学習 DFT モデル Skala-1.1 は前世代の 2.5 倍のデータで訓練され、CP2K などの主要な量子化学ソフトウェアへのネイティブ統合を通じて実用精度を大きく引き上げた。
リリース: 2026-08-20 · 読了 3 分記事の要約
1. 核心（What）
- Microsoft Research は、深層学習交換相関汎関数 Skala の新バージョン「Skala-1.1」を発表し、前世代の 2.5 倍のデータで訓練を実施した。
- GMTKN55 ベンチマークスイートにおいて加重平均誤差 2.8 kcal/mol を達成し、既存の範囲分離ハイブリッド汎関数を上回る精度をセミローカル汎関数の計算効率で実現した。
- オープンソースの量子化学計算パッケージ CP2K への統合が完了し、Psi4、FHI-aims、ORCA、VASP への順次統合が進められている。
- 各リリースの計算性能を追跡するライブベンチマークを新たに公開し、ソフトウェアパッケージやハードウェアプラットフォーム間での透過的な性能検証環境を提供開始した。
2. 影響（Why）
- 実用的な量子化学計算の精度向上: 従来のハイブリッド汎関数と同等以上の熱化学・反応速度論の精度を維持しながら、大規模分子動力学で必要とされる計算効率を両立できるため、マテリアルズ・インフォマティクス実用化のボトルネックが大きく緩和される。
- 国内化学メーカー・触媒開発への影響: 国内の化学素材・触媒開発を手がける研究開発部門（中堅〜大手化学メーカー）では、既存の CP2K や VASP ワークフローに Skala-1.1 を組み込むことで、大規模系における DFT シミュレーションの精度と計算速度を同時に刷新できる。
3. 根拠・詳細（How）
- MSR-ACC データの拡充: Microsoft Research Accurate Chemistry Collection (MSR-ACC) に電子親和力や非共有結合クラスターなどの新カテゴリを追加し、量子化学参照データの規模と多様性を拡大してモデルのデータ駆動型改善を実現した。
- CP2K へのネイティブ統合機構: CASUS の Thomas D. Kühne 教授チームとの共同開発により、CP2K パッケージへ直接統合され、長時間がかる大規模分子動力学シミュレーションでも数値的一貫性を保つ統合テストスイートを構築した。
4. 展望・課題（Next）
- 主要量子化学コードへの拡大: Psi4、FHI-aims、ORCA、VASP への統合を進め、コミュニティ全体でのクロスプラットフォーム検証とさらなる精度最適化を行っていく予定。