分子動力学法（MD）の説明を聞くと、
- 原子の動きが見える
- 物性が分かる
- いろいろ解析できる
といった言い方をされることが多いです。 ただ、実際に何が分かるのかを整理しないまま使うと、できることとできないことの境目が曖昧になりやすいです。
この記事では、MDで得られる代表的な情報を初学者向けに整理します。 細かい解析手法の実装よりも、まずはMDの結果から何を読み取れるのかをつかむことを目的にします。
前回の記事はこちらです。
MDで直接得られるもの
MDの直接の出力は、各時刻における原子の位置、速度、エネルギーなどです。 つまりまず得られるのは、原子や分子の時間発展を記録したトラジェクトリです。
各時刻の構造はスナップショット、スナップショットの並び全体はトラジェクトリです。 ここから後で解析を行うことで、構造や運動、物性に関する情報を取り出します。
ざっくり言えば、
| 層 | 何が得られるか |
|---|---|
| 直接出力 | 原子座標、速度、エネルギー、温度、圧力 |
| そこから計算する量 | RDF、MSD、拡散係数、密度、配向、粘度など |
| そこから解釈すること | 局所構造、安定性、運動性、条件依存性 |
という流れです。
構造に関すること
MDでまず分かりやすいのは、構造が時間とともにどう変わるかです。
例えば次のようなことを見られます。
- 分子がどんな姿勢を取りやすいか
- 原子同士がどの距離に集まりやすいか
- 局所的な配位環境がどうなっているか
- 温度や圧力で構造がどう変わるか
- 界面や表面付近で構造がどう乱れるか
代表的な解析量の1つが、動径分布関数（radial distribution function, RDF）です。 LAMMPS でも compute rdf で計算でき、ある距離に粒子がどれくらい存在しやすいかを調べられます。
RDFを見ると、
- 液体の短距離秩序
- どの原子対が近づきやすいか
- 第一近接、第二近接のような局所構造
が分かります。
つまりMDは、単に原子を動かして終わる手法ではなく、構造の時間平均や距離分布を通じて、物質の並び方を読む手法でもあります。
運動に関すること
MDの大きな強みは、静止構造だけでなく動きそのものを扱えることです。
たとえば次のようなことを見られます。
- 分子がどれくらい速く拡散するか
- イオンがどれくらい動きやすいか
- 分子の回転が速いか遅いか
- 特定の部位だけよく揺れるか
- 系全体が平衡化しているか
ここでよく使われるのが、平均二乗変位（mean squared displacement, MSD）です。 LAMMPS の compute msd の説明にもある通り、MSD の時間変化の傾きは拡散係数に関係します。
そのためMDでは、
- トラジェクトリを見る
- MSD を計算する
- そこから拡散係数を見積もる
という流れで、粒子の動きやすさを評価できます。
固体なら「ほとんど動かない」、液体なら「ある程度自由に動く」、高分子なら「遅いが動く」といった違いも、トラジェクトリと解析量の両方から見えてきます。
温度やエネルギーの安定性
MDでは、温度、ポテンシャルエネルギー、全エネルギー、圧力といった量の時間変化も重要です。
これらを見ることで、例えば
- 計算が発散していないか
- 平衡化が十分か
- 条件設定が極端でないか
- サーモスタットやバロスタットの効き方が不自然でないか
を確認できます。
特に初学者向けには、物性値を読む前にログを読むことが大事です。 温度やエネルギーが不安定なのに、その後のRDFやMSDだけ見ても解釈を誤りやすくなります。
密度や体積変化
NPT などの条件で計算すると、体積や密度の変化も見られます。
例えば、
- 温度を上げると密度がどう変わるか
- 圧力をかけるとセルサイズがどう変わるか
- 平衡化の前後で密度がどれくらい落ち着くか
といったことが分かります。
もちろん、これが意味を持つのは、力場や条件設定が妥当なときです。 それでもMDは、実験で測る密度や膨張傾向と比較しやすい量を出せるという点で便利です。
どんな物性につながるのか
MDの結果からは、条件と解析方法しだいでいろいろな物性評価につなげられます。
代表例を挙げると次のようになります。
| 分かることの例 | 代表的な見方 |
|---|---|
| 局所構造 | RDF、配位数、可視化 |
| 拡散のしやすさ | MSD、拡散係数 |
| 熱的な安定性 | 温度、エネルギーの時間変化 |
| 密度や体積変化 | NPT 計算中のセルサイズや密度 |
| 分子の揺らぎ | トラジェクトリ、距離・角度の時間変化 |
ここで大事なのは、MDが直接「答え」を出すのではなく、トラジェクトリから必要な量を解析して答えに近づくということです。
実務ではどう役立つのか
実際の計算では、MDは次のような場面でよく使われます。
- 初期構造が妥当か確認する
- 温度や圧力条件で構造がどう変わるか見る
- 液体や高分子の運動性を比べる
- 拡散係数やRDFの傾向を比較する
- 後段の量子化学計算や機械学習用の構造サンプルを集める
つまりMDは、単独で完結することもありますが、 他の計算や実験とつなぐための中間レイヤーとしても非常に有用です。
何でも分かるわけではない
ここまで見ると、MDはかなり万能に見えるかもしれません。 実際、分かることは多いです。
ただし、
- 何を分かると言ってよいか
- どこまで信頼してよいか
- その答えがどのモデルに依存しているか
は必ず意識する必要があります。
例えば拡散係数を出せたとしても、
- 時間が短すぎないか
- 系が小さすぎないか
- 力場が妥当か
- まだ平衡化途中ではないか
で結果の意味は変わります。
そのため「MDで何が分かるか」は、厳密には どの条件で、どのモデルを使って、どんな解析をしたときに何が言えるか とセットで考えるべきです。
まとめ
MDで分かることをまとめると、次のようになります。
- トラジェクトリから原子や分子の動きを見られる
- RDF などから局所構造を調べられる
- MSD などから運動性や拡散のしやすさを評価できる
- 温度、エネルギー、密度などの時間変化を追える
- 条件ごとの傾向比較や物性評価につなげられる
言い換えると、MDは 構造と運動を時間発展として扱い、その履歴から物性や傾向を読む手法 です。
次の記事では逆に、MDでは何が分からないのか、何に注意すべきかを整理します。
関連記事
- 分子動力学法とは？MDの仕組みを初学者向けにやさしく解説
- 準備中: MDで分からないこと
- 機械学習MDを分かりやすく解説
- MatterSimでMD計算やってみた
コメント