Machine Learning the order-disorder Jahn-Teller transition in LaMnO$_3$

機械学習ポテンシャルに基づく分子動力学シミュレーションにより、LaMnO$_3$におけるジャーン・テラー転移が MnO$_6$八面体の$Q_2$歪みの秩序化に起因する秩序・無秩序転移であることを示し、有限温度における非調和効果や振動特性の温度変化を通じて転移メカニズムを明確に区別する有効な手法を確立しました。

要約

電子と原子の「ダンス」が変化する瞬間：ラノマンガン酸化物の秘密を AI が解明

この論文は、**「ラノマンガン酸化物（LaMnO3）」という特殊な物質が、熱を加えるとどうして形や性質をガラッと変えるのかを、最新の「人工知能（AI）」**を使って解き明かした研究です。

まるで、寒い朝に固まっていた氷が温まって水になるような「相転移」ですが、この物質の場合はもっと複雑で、電子と原子が織りなす「ダンス」がテーマになっています。

以下に、専門用語を排して、身近な例え話で解説します。

---

1. 物語の舞台：「整列したダンス」から「自由なダンス」へ

この物質（ラノマンガン酸化物）の中には、**「マンガン（Mn）」**という原子が、酸素の箱（八面体）に囲まれて存在しています。

• 低温の状態（整列したダンス）：
  温度が低いときは、すべてのマンガン原子が「同じリズム、同じ方向」で体を歪ませています。まるで、体育の授業で全員が「右へならえ、左へならえ」と完璧に揃って体操をしているような状態です。これを**「秩序（Order）」**と呼びます。この状態では、物質は電気を通さない「絶縁体」です。

• 高温の状態（自由なダンス）：
  温度を上げていくと（約 750 度付近）、この完璧な整列が崩れ始めます。全員がバラバラに動き出し、一見すると「無秩序（Disorder）」に見えるようになります。しかし、実は**「個々の原子は依然として歪んで踊っている」のです。ただ、その方向がランダムになっているだけ。これを「無秩序相（Disorder）」**と呼びます。

この研究の最大の発見は：
「高温になっても、原子の歪み（ダンスのポーズ）自体は消えていない。ただ、『誰がどの方向に歪んでいるか』というルール（秩序）が失われただけだ」ということでした。

2. 従来の方法の限界と、AI の登場

これまで、この現象を調べるには 2 つの方法がありました。

1. 実験： 実際の実験室で測る（時間がかかるし、原子レベルの動きは見えにくい）。
2. 従来の計算： 物理の法則だけで計算する（計算量が膨大すぎて、原子が何万個も動く様子をシミュレーションするのが難しかった）。

そこで、この研究チームは**「機械学習（AI）」**という新しい武器を使いました。

• AI の役割： 正確な量子力学の計算（非常に重たい計算）で「正解のデータ」を少しだけ作り、それを教えることで、AI が**「原子の動きを予測する力」**を身につけさせました。
• メリット： AI が覚えた後は、超高速で何万個もの原子が何千ピコ秒（1 兆分の 1 秒）も動く様子をシミュレーションできました。まるで、**「天才的なコーチに教わった後、選手たちが自由に練習できる」**ようなものです。

3. 何がわかったのか？（3 つのポイント）

① 「秩序」の正体は「Q2」というダンス

原子の歪みにはいくつかの種類（Q2 や Q3 など）がありますが、この物質の変化を主導しているのは**「Q2 という特定の歪み」であることがわかりました。
低温では、この Q2 が全員で「同じ方向」を向いていました。高温になると、向きがバラバラになりますが、歪み自体は残っています。これは、「整列したダンス」から「自由なジャムセッション」への変化**と言えます。

② 原子は「消えた」のではなく「揺れ動いている」

高温になっても、原子は静止していません。むしろ、激しく揺れ動いています。
従来の考え方では「高温になると歪みが消えて、原子は整った箱に戻る」と思われていましたが、この研究では**「歪みは消えず、ただ方向がランダムになっている」ことがハッキリしました。これは、「氷が溶けて水になる」のではなく、「整列した兵士たちが、同じ場所にいるまま、自由に踊り始める」**ようなイメージに近いのです。

③ 「振動」の分析で判別できる

研究チームは、原子の振動（音）を分析しました。

• 秩序相（低温）： 振動がはっきりと決まった「音（周波数）」を持っています。
• 無秩序相（高温）： 振動がぼやけて、音が広がります（非調和性が強い）。
  この「音の広がり方」を分析することで、**「これは秩序が崩れたタイプの変化だ（Order-Disorder）」**と、他の種類の変化（原子が場所を移動するタイプなど）と見分けることができました。

4. なぜこれが重要なのか？

この物質は、**「巨大磁気抵抗効果（CMR）」**という、磁気で電気抵抗を劇的に変える不思議な性質を持つ物質の親戚です。この性質を理解できれば、より高性能なセンサーやメモリが開発できるかもしれません。

この研究は、**「AI を使えば、複雑な物質の『微細な動き』まで見通せる」ことを証明しました。
これまでは「黒い箱」だった物質の内部変化を、AI という「強力な顕微鏡」で覗き見ることで、「秩序と無秩序の境界線」**を明確に描くことができました。

まとめ

• テーマ： 物質が熱で形を変える瞬間の正体。
• 方法： 正確なデータで訓練した AI（機械学習）を使って、原子の動きをシミュレーション。
• 発見： 高温になっても原子の歪みは消えない。ただ、「整列（秩序）」が「バラバラ（無秩序）」に変わるだけだった。
• 比喩： 寒い冬、全員が同じ方向を向いて固まっている兵士たち（秩序）。暑くなると、同じ場所にいるまま、それぞれが自由に踊り始める（無秩序）。兵士自体は消えていないのに、全体の雰囲気はガラッと変わる。

この研究は、AI と物理学の融合が、物質のミステリーを解く鍵になることを示す、素晴らしい一歩です。

技術概要

論文サマリー：機械学習を用いた LaMnO3 における秩序 - 無秩序型ジャーン - テラー転移の解明

1. 研究の背景と課題

遷移金属酸化物であるランタンマンガン酸化物（LaMnO3、LMO）は、巨視的磁気抵抗効果（CMR）を持つマンガン酸化物の母物質として知られ、強相関電子系の代表的な材料です。

• 課題: LMO は低温で正交晶（Pbnm）構造を示し、MnO6 八面体の協力的なジャーン - テラー（JT）歪みと軌道秩序が存在します。しかし、約 750 K 付近で正交晶から擬立方晶（メトリカル・キュービック）への構造相転移が起こります。この転移の微視的起源（秩序 - 無秩序型か、変位型か）については長年議論が続いており、従来の第一原理計算や古典力場に基づく分子動力学（MD）シミュレーションでは、以下の理由から正確な記述が困難でした。
  • 第一原理計算: 扱える系サイズが小さく、有限温度での統計的なサンプリングが不十分。
  • 古典力場: 温度依存性を持つ電子自由度（特に電子 - 電子相関）を考慮できず、複雑な電子 - 格子結合を正確に再現できない。

2. 手法とアプローチ

本研究では、**機械学習力場（MLFF）と第一原理分子動力学（AIMD）**を組み合わせたアプローチを採用し、転移の微視的メカニズムを解明しました。

• 機械学習力場の構築:
  • VASP パッケージ内の「オン・ザ・フライ（on-the-fly）」MLFF 手法を使用。
  • 学習データは、密度汎関数理論（DFT）+U（Dudarev 法、Ueff = 3.5 eV）を用いた高精度な ab initio 計算から得られました。これにより、電子相関と磁性を適切に考慮しています。
  • 学習には 8 化学式単位（216 原子）の超格子を使用し、生産計算（MD）ではこれを 3 回繰り返した 216 化学式単位（1080 原子）の巨大な系でシミュレーションを行いました。
• シミュレーション条件:
  • 温度範囲：100 K から 1100 K まで（加熱レート 2 K/ps）。
  • 解析対象：JT 歪みの正規座標（Q2, Q3 モード）、サイト間相関関数、速度自己相関関数（VACF）。
• 解析手法:
  • 秩序パラメータの追跡: MnO6 八面体の Q2 モードの分布とサイト間相関関数を解析し、秩序の消失を定量化。
  • フォノン分散と非調和性: 速度自己相関関数のフーリエ変換からスペクトル関数を導出し、転移に伴うフォノンモードの軟化と非調和性の増大を評価。

3. 主要な結果

A. 構造パラメータと転移温度の再現

• Hubbard U 項を考慮することで、実験値と整合する JT 歪みの温度依存性を再現できました（U を無視すると歪みが過小評価され、転移が観測されません）。
• 計算上の転移温度（Tc_JT ≃ 600 K）は実験値（750 K）よりやや低いですが、格子定数や Mn-O 結合長の温度変化は実験データ（中性子回折、X 線散乱）と定性的・定量的によく一致しています。

B. 秩序 - 無秩序型転移の決定論的証拠

• Q2 モードの分布: 低温（400 K）では、(Q2, Q3) 平面に 2 つの明確なピーク（秩序状態）が存在しますが、転移温度を超えると（800 K）、原点を中心に広がった分布（無秩序状態）に変化します。
• サイト間相関関数: 低温では長距離にわたって強い相関（反強磁性的なチェックボードパターン）が見られますが、転移温度以上では長距離秩序は完全に消失し、第 1 近接原子間でのみ局所的な相関が残ります。
• 動的歪みの持続: 転移温度以上でも、JT 歪み（Q2 モード）がゼロにならず、動的に揺らぎながら存在し続けることが確認されました。これは「秩序 - 無秩序型（order-disorder）」転移の決定的な特徴です。

C. フォノン特性と非調和効果

• Ag(1) モードの解析: 静的な歪みパターンと対称性が一致する「同位相反伸縮モード（Ag(1)）」の速度自己相関関数を解析しました。
• スペクトル関数の変化: 温度上昇に伴い、このモードのピーク周波数が単調に低下（軟化）し、幅（FWHM）が急激に広がります。
• 非調和性の重要性: 300 K ですでにピークが二重構造を示すなど、フォノン準粒子の描像が破綻する強い非調和効果が観測されました。この「軟化と広がり」は、変位型転移（フォノンが硬くなる傾向がある）とは明確に区別される、秩序 - 無秩序型転移の指紋です。

4. 結論と意義

• 転移メカニズムの解明: LaMnO3 の 750 K 付近の構造相転移は、MnO6 八面体の Q2 ジャーン - テラー歪みの秩序 - 無秩序型転移であることが、ML-MD による微視的解析によって明確に示されました。
• 手法の確立: 機械学習力場と速度自己相関関数解析を組み合わせることで、有限温度における格子ダイナミクスと局所秩序パラメータを、古典力場や従来の AIMD 単独では不可能なスケールで高精度に解析できる堅牢なフレームワークを確立しました。
• 一般性: このアプローチは、強相関物質における構造相転移のメカニズム（秩序 - 無秩序型か変位型か）を、振動特性の温度進化を通じて明確に区別する手段を提供します。これにより、複雑な物質における非調和効果や電子駆動型の転移の系統的・予測的研究が可能になります。

本研究は、 Christoph Dellago 氏への献呈論文（Festschrift）として、統計力学的手法を現代の機械学習シミュレーションに応用し、物質科学の未解決問題に挑む成功例を示しています。