[논문 리뷰] Deriving effective mesoscale potentials from atomistic simulations

Dirk Reith, Mathias Puetz외 1명|arXiv (Cornell University)|2002. 11. 20.

Advanced Physical and Chemical Molecular Interactions참고 문헌 2인용 수 36

한 줄 요약

이 논문은 고체 상태 및 용액 상태에서의 폴리(이소프렌)를 대상으로, 원자 수준의 시뮬레이션 데이터로부터 효과적인 거시적 거리 스케일 잠재 에너지(효과적 코arse-grained(CG) 포텐셜)를 유도하기 위해 반복적인 볼츠만 역전법을 제시한다. 반복적으로 반경 분포 함수(RDFs)의 차이를 이용해 수치적 포텐셜을 정교화함으로써, 구조적 성질을 높은 정확도로 재현한다. 이는 고체 상태 및 용액 상태에서의 폴리(이소프렌)에 대해 적용되었으며, 환경 의존성으로 인해 농도 조건에 따라 서로 다른 CG 포텐셜이 필요하다는 점을 보여준다.

ABSTRACT

We demonstrate how an iterative method for potential inversion from distribution functions developed for simple liquid systems can be generalized to polymer systems. It uses the differences in the potentials of mean force between the distribution functions generated from a guessed potential and the true (simulated) distribution functions to improve the effective potential successively. The optimization algorithm is very powerful: convergence is reached for every trial function in few iterations. As an extensive test case we coarse-grained an atomistic all-atom model of poly (isoprene) (PI) using a 13:1 reduction of the degrees of freedom. This procedure was performed for PI solutions as well as for a PI melt. Comparisons of the obtained force fields are drawn. They prove that it is not possible to use a single force field for different concentration regimes.

연구 동기 및 목표

• 핵심 구조적 특징을 유지하면서 원자 수준의 시뮬레이션에서 효과적인 코arse-grained(CG) 포텐셜을 자동으로 반복적으로 유도하는 방법을 개발하는 것.
• 내부 결합성과 환경 영향(예: 농도)이 분자 간 상호작용에 크게 영향을 주는 폴리머 시스템의 코arse-graining 문제를 해결하는 것.
• 고체 상태와 용액 상태와 같은 서로 다른 열역학적 상태를 정확히 표현할 수 없는 단일 CG 포텐셜이 있음을 입증하는 것.
• 화학적 특이성을 유지하면서 자유도를 줄여 효율적인 메조스케일 시뮬레이션을 가능하게 하는 체계적인 CG 모델 생성 프레임워크를 수립하는 것.

제안 방법

• 이 방법은 반복적인 볼츠만 역전법을 사용하며, 추측된 포텐셜에서 유도된 시뮬레이션 RDF와 원자 수준의 시뮬레이션에서 얻은 목표 RDF 간의 차이를 이용해 포텐셜을 반복적으로 업데이트한다.
• 분석적 형태가 아닌 표로 정리된 수치적 포텐셜을 사용함으로써, 사전에 가정된 기능 형태에 기인한 편향을 줄이고 수렴성을 향상시킨다.
• 알고리즘은 먼저 분자 간 포텐셜을 최적화한 후, 분자 내 포텐셜(결합 길이 변화, 굽힘, 회전)을 최적화하며, 볼츠만 역전된 분포를 초기 추측치로 사용한다.
• 자기 일관성 최적화 기법을 사용하여 반복적으로 반경 분포 함수의 차이를 최소화함으로써 수렴이 매우 빠르게 이루어지며, 일반적으로 다섯 번 이내에 수렴한다.
• 이 방법은 trans-1,4-폴리(이소프렌)에 적용되었으며, CG 슈퍼 원자들이 다수의 단량체를 대표하도록 설정되었고, CG 모델과 원자 수준 모델 간의 RDF 및 분자 내 분포를 비교하여 검증되었다.
• 고체 상태에서 압력을 후처리 최적화하기 위해 약한 흡인성 외부 페르터베이션을 추가함으로써 단거리 구조를 손상시키지 않으면서도 압력을 조정할 수 있었으며, 이는 포텐셜 장의 조정 유연성을 입증한다.

실험 결과

연구 질문

• RQ1 간단한 액체에서부터 내부 결합성이 있는 복잡한 폴리머 시스템으로의 반복적 볼츠만 역전법의 일반화 가능성은 어떠한가?
• RQ2 원자 수준의 시뮬레이션에서 도출된 CG 포텐셜이 원래 시스템의 구조 분포 함수를 어느 정도 정확하게 재현할 수 있는가?
• RQ3 폴리머 시스템의 효과적 CG 포텐셜은 농도나 상태(예: 고체 상태 대 용액 상태)와 같은 환경에 따라 달라지는가?
• RQ4 분석적 기능 형태에 비해 표로 정리된 수치적 포텐셜을 사용할 경우, 포텐셜 역전의 수렴성과 정확도 측면에서 어떤 차이가 있는가?
• RQ5 동일한 CG 포텐셜이 폴리머의 고체 상태와 용액 상태를 모두 정확히 표현할 수 있는가, 아니면 서로 다른 포텐셜이 필요한가?

주요 결과

• 반복적 볼츠만 역전법은 매우 빠른 수렴을 보이며, 레나드존스 및 WCA 액체 모두에서 다섯 번 이내에 목표 RDF와 거의 동일한 반경 분포 함수(RDFs)를 도출한다.
• 이 방법은 자유도를 13:1로 줄이며 폴리(이소프렌)를 성공적으로 코arse-graining하여 고체 상태 및 용액 상태 모두에서 원자 수준의 구조적 특징을 정확히 재현하였다.
• CG 모델의 분자 내 반경 분포 함수(RDFs)는 원자 수준 기준 데이터와 매우 유사하게 일치하였으며, 정규화된 적분을 통해 피크 위치와 상대 강도에서 높은 일치도를 보였다.
• 분자 내 포텐셜, 특히 결합 길이 변화에 있어서 고체 상태와 용액 상태 간의 차이가 거의 없었으며, 이는 결합 강성의 환경에 대한 민감도가 낮음을 시사한다. 반면 굽힘 및 토크 포텐셜은 뚜렷한 차이를 보였다.
• 고체 상태와 용액 상태의 CG 포텐셜은 정량적으로 다르게 나타났으며, 이는 단일 포텐셜로 두 농도 조건을 정확히 표현할 수 없다는 것을 입증한다.
• 고체 상태에서 약한 흡인성 포텐셜을 후처리 최적화하여 단거리 구조를 유지하면서도 압력을 조정함으로써, 이 방법이 열역학적 조정에 매우 민감하고도 탄력적인 것을 확인하였다.