[論文レビュー] ChemXDyn: Dynamics-informed species and reaction detection methodology from atomistic simulations

Raj Maddipati, Dhruthi Boddapati+3 more|arXiv (Cornell University)|Jan 13, 2026

Machine Learning in Materials Science被引用数 0

ひとこと要約

ChemXDynは時間分解に基づく原子間距離の署名を用いて、反応MD軌道から結合・種・反応を信頼性高く同定し、閾値ベースの方法よりも動力学測定を改善します。

ABSTRACT

Accurate identification of chemical species and reaction pathways from molecular dynamics (MD) trajectories is a prerequisite for deriving predictive chemical-kinetic models and for mechanistic discovery in reactive systems. However, state-of-the-art trajectory analysis methods infer bonding from instantaneous distance thresholds, which can misclassify transient, nonreactive encounters as bonds and thereby introduce spurious intermediates, distorted reaction networks, and biased rate estimates. Here, we introduce ChemXDyn, a dynamics-aware computational methodology that leverages time-resolved interatomic distance signatures as a core principle to robustly identify chemically consistent bonded interactions and, consequently, extract meaningful reaction pathways. In particular, ChemXDyn propagates molecular connectivity through time while enforcing atomic valence and coordination constraints to distinguish genuine bond-breaking and bond-forming events from transient, nonreactive encounters. We evaluate ChemXDyn on ReaxFF MD simulations of hydrogen and ammonia oxidation and on neural-network potential MD simulations of methane oxidation, and benchmark its performance against widely used trajectory analysis methods. Across these cases, ChemXDyn suppresses unphysical species prevalent in static analyses, recovers experimentally consistent reaction pathways, and improves the fidelity of rate constant estimation. In ammonia oxidation, ChemXDyn removes unphysical intermediates and resolves key NOx- and N2O-forming and -consuming routes. In methane oxidation, it reconstructs the canonical progression from CH4 to CO2. By linking atomistic dynamics to chemically consistent reaction identification, ChemXDyn provides a transferable foundation for MD-derived reaction networks and kinetics, with potential utility spanning combustion, catalysis, plasma chemistry, and electrochemical environments.

研究の動機と目的

• MD軌道中の結合相互作用を時系列分解距離に基づいて化学的に一貫して識別する。
• 一時的な出会いと真の結合切断/形成イベントを、時間平均と価数制約を用いて区別する。
• MDデータから化学的に有効な種を構築し、反応ネットワークと速度定数を抽出する。
• 複数の反応系に対して既存の軌道解析ツールと比較して性能をベンチマークし、忠実度の向上を示す。

提案手法

• ステップA: 時間窓で区切った原子間距離を分析し、クラスター化された近接領域内の各原子対について前方・後方窓平均距離（またはBO）を計算する。
• ステップB: 時間平均距離を平衡結合長と比較して結合多重度を割り当て、弱結合/非結合相互作用を避けるための配位数制約を課す。
• ステップC: 検証済みの結合から接続グラフを構築し、深さ優先探索を適用して各タイムステップで分子種を同型表現でエンコードする。
• ステップD: タイムステップ間で種を追跡して反応を検出し、標準表現へ写像し、二体反応の場合は k = Nreac / ∫0^T [P][Q] dt を用いて速度定数を計算する（他の反応次数にも拡張可能）。
• ステップA–Dは偽陽性の結合を抑制し、化学的に意味のある中間体を回復し、MD由来の速度論ネットワークの移植性を高めることを目的とする。

実験結果

リサーチクエスチョン

• RQ1 時系列の原子間距離署名と価数制約を組み合わせることで、反応MDにおける真の結合イベントを一時的な遭遇と信頼性高く区別できるか。
• RQ2 ダイナミクス情報を用いた結合は、閾値ベース手法よりも多様な化学系において、種の在庫・反応経路・速度定数をより正確に得られるか。
• RQ3 H2/O2、NH3/N2/O2、CH4/O2の系でChemXDynはChemTrYzerおよびReacNetGeneratorと比較してどの程度性能を発揮するか。
• RQ4 アプローチは共通の酸化カスケード（例: CH4からCO2）を再構成し、静的解析で観察された非物理的中間体を除去できるか。

主な発見

• ChemXDynはH2/O2およびNH3/N2/O2系において閾値ベースツールと比較して非物理的種と反応の過大カウントを低減する。
• H2/O2ではChemXDynの速度定数は実験データおよび参照モデルとより良く一致する。
• NH3/N2/O2ではChemXDynはChemTrYzerより種と反応を少なく識別するが、CTYが見逃すNHx–NOxの重要な化学を捉え、一貫した機構セットを提供する。
• NH3/N2/O2のベンチマークで、ChemXDynは必須反応（例: NH2+HO2→H2NO+OH）を検出し、既存のアンモニア酸化経路と整合する。
• メタン酸化のMLIPを用いた場合、ChemXDynは力場パラダイムをまたいで頑健性を示し、CH4 → CH3 → CH2 → CH → CHO/CH2O → CO → CO2 という標準的酸化系列を再構成する。
• 総じて、ChemXDynはMD由来の反応ネットワークと動力学に対して正確で移植可能なフレームワークを提供し、既存ツールより忠実度が向上する。