A Topology-Preserving Python Framework for Reliable Initialization of Star and Cyclic Polymer Architectures in Molecular Dynamics (LAMMPS) Simulations

技術要約：スター型および環状ポリマー構造の信頼性の高い初期化のためのトポロジー保存型Pythonフレームワーク

問題提起
ポリマー構造の正確な初期化は、ソフトマターの分子動力学（MD）シミュレーションにおける信頼性の決定要因であるにもかかわらず、しばしば過小評価されている重要な要素である。現代のシミュレーションエンジン（LAMMPSやGROMACSなど）は数百万個の粒子を扱うことができるが、そのワークフローは、積分性能ではなく、初期構成の構造的完全性によってボトルネックとなることが多い。従来の初期化手法（単純なランダムウォーク生成器や確率的なパッキングアルゴリズムなど）は、人工的なストレス、トポロジーの不整合（例：不完全な環の閉鎖）、および深刻なステリック・オーバーラップ（立体的な重なり）を頻繁に導入する。これらのアーティファクトはシミュレーションのトラジェトリを通じて伝播し、極端な圧力スパイク、近接リスト構築の不安定化、拘束条件違反のカスケード、および非物理的な緩和トランジェントの長期化として現れる。これは、スター型や環状ポリマーのような複雑な構造において特に顕著であり、グローバルなトポロジー制約（例：正確なループ閉鎖）とローカルなステリック制约束え（例：腕の分離）を、広範な事後エネルギー最小化なしに同時に満たすことは困難である。

手法
著者らは、決定論的な結合連結性と正確な幾何学的制約を備えた、スター型および環状ポリマー構造を生成するために設計された、自己完結型のトポロジー保存型Pythonフレームワークを提示している。コアとなる手法は、ポリマーの初期化を確率的なパッキング問題としてではなく、制約付きグラフ埋め込み問題として扱うものである。

• アルゴリズム設計: 本フレームワークは、標準的なPythonモジュール（math, random）のみを使用して動作するため、移植性が高く、依存関係のオーバーヘッドを最小限に抑えている。ポリマーを連結グラフ $G=(V, E)$ として表現し、それらを3次元ユークリッド空間に埋め込む。
• スターポリマーの構築: スターポリマーは、複数の腕を中央のコアに固定することで決定論的に構築される。腕は参照方向ベクトルに沿って生成され、等角間隔（$\Delta\theta = 2\pi/f$）で配置された後、等方的な配向を確保するために3次元空間へランダム回転行列を用いてマッピングされる。構築中は結合長が固定され、即座のステリック混雑を防ぐために角度対称性が保持される。
• 環状ポリマーの構築: 環状ポリマーは、解析的な幾何学的埋め込みを介して生成される。環の半径は、正多角形の幾何学（$R = b / 2\sin(\pi/N)$）から解析的に導出され、幾何学的歪みのない正確なループ閉鎖を実現するようにビード座標が構築される。環は平面バイアスを排除するために、ランダムに配向された平面内に埋め込まれる。
• オーバーラップ検出と配置: 排除体積を強制するために、本フレームワークは空間ハッシングを採用している。シミュレーションドメインは立方体セルに離散化され、近傍探索の計算量を $O(N^2)$ からほぼ線形な $O(N)$ に低減させる。
• 配置戦略: 分子の中心はシミュレーションボックス内で確率的にサンプリングされる。候補となる構成は、すべてのビードが以前に配置された粒子に対して最小分離閾値を満たす場合にのみ受理される。配置試行回数の上限に達しても配置に失敗した場合、「フォールバック」手順により、オーバーラップ制約なしに確率的に分子を挿入する（ただし、テストされた条件下ではこの発生率は1%未満であると論文内で述べられている）。
• 出力: ジェネレータは、原子、結合、角度、およびシミュレーションボックスの寸法を含む、LAMMPS互換のデータファイル（atom style full）を出力し、再現性を確保するための決定論的なインデックス付けを行う。

主な貢献

1. 決定論的なトポロジーの完全性: 既存のツールは確率的な成長や事後の緩和に依存することが多いが、本フレームワークは、座標生成の段階で結合長制約、正確な環の閉鎖、および角度の一貫性を強制する。これにより、幾何学的不整合を修復するための広範なソフトポテンシャル緩和フェーズの必要性が排除される。
2. 計算のスケーラビリティ: オーバーラップ検出に空間ハッシングを用い、トポロジー構築に隣接リストを用いることで、本アルゴリズムはビード数に対して $O(N)$ のスケーリングを実現しており、大規模システム（$10^4$–$10^6$ ビード）への適用が可能である。
3. ネイティブなLAMMPS互換性: フレームワークはシミュレーション準備が整ったデータファイルを直接出力するため、中間フォーマット変換に伴うインデックスエラーやトポロジー破損のリスクを回避できる。
4. 機械的安定性: 生成された構造は、動的な進化が始まる前に、結合長および排除体積の基準を満たしており、初期化時に機械的に安定している。

結果とベンチマーク
素朴なランダム配置スキームとの比較ベンチマークにより、大幅な改善が示された：

• 不安定性の低減: 空間ハッシングにより、素朴な配置と比較してビードのオーバーラップの発生率が90%以上減少した。
• アーティファクトの抑制: 本フレームワークによって生成されたシステムでは、初期化中にFENE結合の伸長エラーや結合の破断が認められなかった。対照的に、素朴なシステムでは頻繁に深刻な局所的オーバーラップが発生し、エネルギーのスパイクやシミュレーションの中断を招いた。
• 平衡化の高速化: トポロジー保存型システムは数千タイムステップ以内に安定したが、素朴なシステムは緩和に1桁以上の時間を要した。
• 再現性: 慣性半径（$R_g$）や拡散係数などの構造的観測量は、独立したランダムシード間で高い再現性を示し、分散は約3%以下であった。

意義と主張
本論文は、初期化を「確率的な前処理ステップ」から「制御された物理的境界条件」へと再分類すべきであると提唱している。トポロジー制約と幾何学的一貫性を座標生成アルゴリズムに直接組み込むことで、本フレームワークは、その後のMDトラジェトリが、欠陥のある初期化から継承された過渡的なアーティファクトではなく、固有のポリマー物理（例：コンフォメーション・エントロピー、界面吸着）を探索することを保証する。

著者らは、本研究が複雑な構造の幾何学的に一貫した初期構成の生成という、基礎的なギャップに対処するものであると主張している。本フレームワークはKremer–Grestビードスプリングモデルを用いて実証されているが、著者らはその原理がエンジンに依存せず、他のシミュレーションエンジンにも適用可能であると述べている。本手法は、化学的なリアリズムに焦点を当てた汎用的なポリマービルダーに代わるものではなく、粗視化されたスター型および環状構造の決定論的な構築に特化して最適化された、軽量かつ補完的なツールとして提示されており、それによって大規模なポリマーシミュレーションの堅牢性、効率性、および再現性を高めるものである。