Submit Search
Upload
MateriApps: OpenMXを利用した第一原理計算の簡単な実習
•
0 likes
•
2,692 views
Computational Materials Science Initiative
Follow
CCMSハンズオン: MateriApps LIVE!による物質科学シミュレーション
Read less
Read more
Science
Report
Share
Report
Share
1 of 15
Download now
Download to read offline
Recommended
MateriApps LIVE!の設定
MateriApps LIVE!の設定
Computational Materials Science Initiative
MateriApps LIVE! の設定
MateriApps LIVE! の設定
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) OpenMX とDFT①
CMSI計算科学技術特論C (2015) OpenMX とDFT①
Computational Materials Science Initiative
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
Chainerで流体計算
Chainerで流体計算
Preferred Networks
言語モデル入門 (第二版)
言語モデル入門 (第二版)
Yoshinari Fujinuma
深層学習の数理
深層学習の数理
Taiji Suzuki
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018
Satoshi Fujimoto
Recommended
MateriApps LIVE!の設定
MateriApps LIVE!の設定
Computational Materials Science Initiative
MateriApps LIVE! の設定
MateriApps LIVE! の設定
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) OpenMX とDFT①
CMSI計算科学技術特論C (2015) OpenMX とDFT①
Computational Materials Science Initiative
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
Chainerで流体計算
Chainerで流体計算
Preferred Networks
言語モデル入門 (第二版)
言語モデル入門 (第二版)
Yoshinari Fujinuma
深層学習の数理
深層学習の数理
Taiji Suzuki
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018
Satoshi Fujimoto
Deeplearning輪読会
Deeplearning輪読会
正志 坪坂
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
harmonylab
Bayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
tmtm otm
合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点
Ichigaku Takigawa
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
Nobukazu Yoshioka
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
Yoichi Ochiai
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
Takuma Yagi
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
Natsutani Minoru
[DL輪読会]Objects as Points
[DL輪読会]Objects as Points
Deep Learning JP
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
Kenji Urai
初めてのグラフカット
初めてのグラフカット
Tsubasa Hirakawa
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
harmonylab
[DL輪読会]Deep Neural Networks as Gaussian Processes
[DL輪読会]Deep Neural Networks as Gaussian Processes
Deep Learning JP
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
Daichi Kitamura
学振特別研究員になるために~知っておくべき10のTips~[平成28年度申請版]
学振特別研究員になるために~知っておくべき10のTips~[平成28年度申請版]
Masahito Ohue
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
More Related Content
What's hot
Deeplearning輪読会
Deeplearning輪読会
正志 坪坂
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
harmonylab
Bayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
tmtm otm
合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点
Ichigaku Takigawa
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
Nobukazu Yoshioka
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
Yoichi Ochiai
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
Takuma Yagi
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
Natsutani Minoru
[DL輪読会]Objects as Points
[DL輪読会]Objects as Points
Deep Learning JP
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
Kenji Urai
初めてのグラフカット
初めてのグラフカット
Tsubasa Hirakawa
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
harmonylab
[DL輪読会]Deep Neural Networks as Gaussian Processes
[DL輪読会]Deep Neural Networks as Gaussian Processes
Deep Learning JP
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
Daichi Kitamura
学振特別研究員になるために~知っておくべき10のTips~[平成28年度申請版]
学振特別研究員になるために~知っておくべき10のTips~[平成28年度申請版]
Masahito Ohue
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
What's hot
(20)
Deeplearning輪読会
Deeplearning輪読会
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
Bayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
合成変量とアンサンブル:回帰森と加法モデルの要点
合成変量とアンサンブル:回帰森と加法モデルの要点
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
組込向けDeep Learning最新技術の紹介量子化テクニックとDorefaNetについて
[DL輪読会]Objects as Points
[DL輪読会]Objects as Points
研究効率化Tips Ver.2
研究効率化Tips Ver.2
LSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要
初めてのグラフカット
初めてのグラフカット
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
[DL輪読会]Deep Neural Networks as Gaussian Processes
[DL輪読会]Deep Neural Networks as Gaussian Processes
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
独立性基準を用いた非負値行列因子分解の効果的な初期値決定法(Statistical-independence-based efficient initia...
学振特別研究員になるために~知っておくべき10のTips~[平成28年度申請版]
学振特別研究員になるために~知っておくべき10のTips~[平成28年度申請版]
グラフィカルモデル入門
グラフィカルモデル入門
More from Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
MateriApps LIVE!の設定
MateriApps LIVE!の設定
Computational Materials Science Initiative
MateriApps LIVE! の設定
MateriApps LIVE! の設定
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
MateriApps LIVE! の設定
MateriApps LIVE! の設定
Computational Materials Science Initiative
MateriApps LIVE! の設定
MateriApps LIVE! の設定
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
MateriApps LIVE! の設定
MateriApps LIVE! の設定
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
ALPSチュートリアル
ALPSチュートリアル
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
MateriApps LIVE!の設定
MateriApps LIVE!の設定
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) ALPS と量子多体問題②
CMSI計算科学技術特論C (2015) ALPS と量子多体問題②
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) ALPS と量子多体問題①
CMSI計算科学技術特論C (2015) ALPS と量子多体問題①
Computational Materials Science Initiative
MateriApps LIVE! の設定
MateriApps LIVE! の設定
Computational Materials Science Initiative
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(後編)
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(後編)
Computational Materials Science Initiative
More from Computational Materials Science Initiative
(20)
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
MateriApps LIVE!の設定
MateriApps LIVE!の設定
MateriApps LIVE! の設定
MateriApps LIVE! の設定
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
MateriApps LIVE! の設定
MateriApps LIVE! の設定
MateriApps LIVE! の設定
MateriApps LIVE! の設定
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
MateriApps LIVE! の設定
MateriApps LIVE! の設定
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
ALPSチュートリアル
ALPSチュートリアル
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
MateriApps LIVE!の設定
MateriApps LIVE!の設定
CMSI計算科学技術特論C (2015) ALPS と量子多体問題②
CMSI計算科学技術特論C (2015) ALPS と量子多体問題②
CMSI計算科学技術特論C (2015) ALPS と量子多体問題①
CMSI計算科学技術特論C (2015) ALPS と量子多体問題①
MateriApps LIVE! の設定
MateriApps LIVE! の設定
How to setup MateriApps LIVE!
How to setup MateriApps LIVE!
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(後編)
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(後編)
MateriApps: OpenMXを利用した第一原理計算の簡単な実習
1.
OpenMXを利用した第一原理計算の簡単な実習 東京大学物性研究所 加藤岳生 2017.10.3 CCMSハンズオン
2.
本日のメニュー
3.
第一原理計算 (First-principles calculation) •
電子状態計算(いわゆる第一原理計算) • 密度汎関数法(Density Functional Theory, DFT)に基づく • 計算できる量は多岐にわたる • 多くのアプリケーションが存在する(資料も参照) • VASP:もっとも普及しているアプリ。擬ポテンシャル法。有償。 • Wien2k:全電子計算手法。精度が高い。有償。 • Quantum ESPRESSO : 無償。MateriApps LIVE!に収録。 • OpenMX:物性研究所の尾崎泰助先生が中心となって開発。 擬ポテンシャル法。無償。 MateriApps Live!に収録されている。
4.
今回行う計算の手順 •結晶構造のデータ(cifファイル)をデータベースからもってくる •cifファイルをOpenMXの入力ファイルに変換する •OpenMXを実行する •でてきた結果を可視化する •3次元電子密度プロファイル:VESTA •フェルミ面:XCrysDen
5.
結晶構造データの取得 • 「スタートメニュー」→「Database」→「MatNavi」 • 物材機構のMaterial
Naviが立ち上がります • はじめて利用する場合は下記の手順で登録(いつも使うOSのブラウザでOK) • 右にある「新規ユーザ」中の 「新規ユーザ登録」を押す • 「同意する」を押す • 必要事項を入力して 登録ボタンを押す • メールが来るのを確認 • Liveにもどり、MatNaviの「無機材料 データベース(AtomWork)」をクリック • ログインボタンを押す • ユーザ名(メールアドレス)と 設定したパスワードを入力
6.
データベースの画面 うまくいくと、下記の検索画面がでます 使い方は簡単 1.検索したい物質の元素名を列挙 例:PbTiO_3 → Pb
Ti O (元素の間はスペースをあける) 2.「Search materials」を押す
7.
ダイアモンドの結晶構造(1) 「C」をキーワードとして検索すると下記の画面がでる たくさんでてくるのは結晶構造の違い ダイアモンド ここをクリック
8.
ダイアモンドの結晶構造(2) いろいろなデータがでてくる Data Typeに「Structure」と かいてあるものならなんでも いいので、選択する。 ここでは一番上のデータを選ぼう すると上のようなデータがでてくる
9.
ダイアモンドの結晶構造(3) 一番下に結晶構造データがある このボタンを押すとcifファイルが ダウンロードされる cifファイルとは? ・Crystallographic Information File ・ユニットセル・対称性・原子位置 などの情報を含む ・VESTAを始めとして多くのソフト で可視化することができる 初回はホップアップの注意がでる 注意の右側の「Preferences」を押し 「Allow
pop-ups ….」を選択し、 再度(CIF)のボタンを押す
10.
ダイアモンドの結晶構造(4) 画像から5文字入力+規約確認チェック+「download」ボタンを押す →「Save」を選択→ダウンロードがはじまる ファイルマネージャーを起動 ちゃんとダウンロードされたか確認しよう 名前をCdia.cifに変えておく ファイル選択→「Edit」 →「Rename」 ダブルクリック
11.
ファイルの変換 • スタートメニュー→「MateriApps」→「C-Tools」→起動画面がでてくる • 「load」→ファイルのタイプを Crystal
sturcture file(*.cif)にする • 「Downloads」フォルダ中にある さきほどダウンロードしたファイル (名前変えていればCdia.cif)を選択 • 上図のような画面がでれば成功 マウスでグリグリできます • 「save」→ファイルのタイプを OpenMX input file(*.dat)にする • 上のLook in:のよこの欄をクリックし 「/home/user」を選択(ホームにする) ファイル名を「Cdia.dat」をしてセーブ (下図)
12.
OpenMXの実行 • スタートメニュー→「Accessories」→「LXTerminal」 • 「openmx
Cdia.dat」とうち、リターン(上図) • 計算がはじまる(2分程度)→正常に終了すれば下図のようになる
13.
計算結果をみてみよう • スタートメニュー→「Education」→「VESTA」(可視化ソフト) • VESTAのなかで「file」→「Open」→「Cdia.dat.tden.cube」を選択 →「Open」ボタンを押す→なにか表示されたら成功 •
更に「Object」→「Properties」→「Isosurface…」を選択 左図のようなボックスがでる。図の赤丸の部分をクリックし、0.1に変更 OK押す • 更に「Object」→「Boundary」を選択 右図のようにx,y,zの(min)をぜんぶ-1.25に、maxをぜんぶ1.25に変更 OK押す
14.
このようなグラフができる(マウスで動かせる)
15.
さらに頑張ればこんな図に仕上げることもできる
Download now