[논문 리뷰] ChemXDyn: Dynamics-informed species and reaction detection methodology from atomistic simulations

Raj Maddipati, Dhruthi Boddapati외 3명|arXiv (Cornell University)|2026. 01. 13.

Machine Learning in Materials Science인용 수 0

한 줄 요약

ChemXDyn은 시계열 시간 해상도 interatomic distance 서명을 사용해 반응 MD 궤적에서 결합, 종, 반응을 신뢰성 있게 식별하는 동역학 인식 프레임워크를 도입하여 임계값 기반 방법보다 운동학적 측정의 정확도를 향상시킵니다.

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.

연구 동기 및 목표

• MD 궤적에서 시계열 간 거리 정보를 활용하여 화학적으로 일관된 결합 상호작용을 식별한다.
• 시간적 평균 및 원자수 밸런스 제약을 사용하여 실제 결합 파손/형성 이벤트를 일시적 만남으로부터 구분한다.
• MD 데이터로부터 화학적으로 타당한 종을 구성하고 반응 네트워크 및 속도 상수를 추출한다.
• 다중 반응 시스템에서 기존 궤적 분석기와의 성능을 벤치마크하여 향상된 신뢰성을 입증한다.

제안 방법

• A단계: 시간 창(window) 내 간격 거리를 분석하여 군집된 근접성 내에서 각 원자 쌍에 대해 앞으로의 창-평균 거리(또는 BOs)를 계산한다.
• B단계: 시간 평균 거리를 평형 결합 길이와 비교하여 결합 수를 부여하고 약하고 비결합 상호작용을 피하기 위해 배위 수 제약을 적용한다.
• C단계: 검증된 결합으로부터 연결 그래프를 구축하고 깊이 우선 탐색을 적용하여 각 시점의 분자 종을 식별하고 종을 도 Canonical하게 인코딩한다.
• D단계: 시점 간 종을 추적하여 반응을 감지하고 표준 표현으로 매핑하며 bimolecular의 경우 k = Nreac / ∫0^T [P][Q] dt를 사용하여 속도 상수를 계산한다(다른 차수로의 확장 가능).
• A–D 단계는 위양성 결합을 억제하고 화학적으로 의미 있는 중간체를 회복하며 MD 유래 동역학적 네트워크의 이식 가능성을 높이도록 설계되었다.

실험 결과

연구 질문

• RQ1 시계열 간 거리 서명과 원소 값 제약이 반응 MD에서 실제 결합 이벤트를 일시적 만남으로부터 신뢰성 있게 구분할 수 있는가?
• RQ2 다이나믹스 인포메이션 기반 결합이 임계값 기반 방법보다 다양한 화학에서 종 목록, 반응 경로 및 속도 상수를 더 정확하게 제시하는가?
• RQ3 H2/O2, NH3/N2/O2, CH4/O2 시스템에서 ChemXDyn은 ChemTrYzer 및 ReacNetGenerator에 비해 성능이 어떤가?
• RQ4 접근 방식이 고전적 산화 연쇄 반응(CH4에서 CO2 등)을 재구성하고 정적 분석에서 관찰된 비물리적 중간체를 제거하는가?

주요 결과

• ChemXDyn은 H2/O2 및 NH3/N2/O2 시스템에서 임계값 기반 도구와 비교할 때 비물리적 종 및 반응 과다 계산을 감소시킨다.
• H2/O2에서 ChemXDyn은 반응 속도 상수가 실험 데이터 및 참조 동역학 모델과 더 잘 일치하도록 ChemTrYzer 기반 파이프라인보다 정확한 값을 제공한다.
• NH3/N2/O2의 경우 ChemXDyn은 ChemTrYzer보다 식별되는 종과 반응 수가 적지만 CTY가 놓치는 핵심 NHx–NOx 화학을 포착하여 더 일관된 메커니즘 세트를 제공한다.
• NH3/N2/O2 벤치마크에서 ChemXDyn은 필수 반응(In 예: NH2+HO2→H2NO+OH)을 탐지하고 확립된 암모니아 산화 경로와 일치한다.
• MLIP를 활용한 메탄 산화에서 ChemXDyn은 힘장 패러다임에 대해 견고성을 보이며 표준 산화 순서(CH4 → CH3 → CH2 → CH → CHO/CH2O → CO → CO2)를 재구성한다.
• 전반적으로 ChemXDyn은 MD 유래 반응 네트워크 및 동역학의 정확하고 이식 가능한 프레임워크를 제공하며 기존 도구에 비해 향상된 충실도를 보인다.