散逸粒子動力学

散逸粒子動力学（DPD）は、連続空間と離散時間で移動する一連の粒子を含むオフラティスメソスコピックシミュレーション手法^[1]です。粒子は単一の原子ではなく分子全体または流体領域を表し、原子の詳細は対処するプロセスとは関係がないと見なされます。粒子の内部自由度は積分され、単純化されたペアワイズ散逸力とランダム力に置き換えられ、局所的に運動量を保存し、正しい流体力学的挙動を保証します。この方法の主な利点は、従来のMDシミュレーションを使用して可能な時間および長さのスケールよりも長い時間および長さのスケールにアクセスできることです。現在では、線形次元で最大100 nmの体積のポリマー流体を数十マイクロ秒間シミュレーションすることが一般的になっています。

^{DPDは当初、HoogerbruggeとKoelman [2] [3]}によって考案され、いわゆる格子ガスオートマトンによる格子アーティファクトを回避し、分子動力学（MD）で利用可能なスケールを超える流体力学的時間および空間スケールに取り組むために考案されました。その後、P. Español ^[4]によって再定式化され、適切な熱平衡状態を確保するためにわずかに修正されました。計算の複雑さが軽減され、輸送特性をより適切に制御できる一連の新しいDPDアルゴリズムが発表されています。^[5]この記事で紹介されているアルゴリズムは、DPDサーモスタットを適用するためにペア粒子をランダムに選択することで、計算の複雑さを軽減します。

DPD 粒子iに作用する非結合力の合計は、固定されたカットオフ距離内にあるすべての粒子jにわたる 3 つのペアワイズ加法力 の合計によって与えられます。

${\displaystyle f_{i}=\sum _{j\neq i}(F_{ij}^{C}+F_{ij}^{D}+F_{ij}^{R})}$

ここで、上式の最初の項は保存力、2 番目は散逸力、3 番目はランダム力です。保存力はビーズに化学的独自性を与える働きをし、散逸力とランダム力は一緒になってシステムの平均温度を一定に保つサーモスタットを形成します。すべての非結合力の重要な特性は、運動量を局所的に保存することであり、そのため流体の流体力学的モードは粒子数が少ない場合でも現れます。局所的な運動量保存には、相互作用する 2 つのビーズ間のランダム力が反対称であることが必要です。したがって、相互作用する粒子の各ペアは、ランダム力の計算を 1 回だけ必要とします。これが、各粒子が他のすべての粒子とは独立してランダムな力を経験するブラウン運動学と DPD を区別するものです。ビーズは、柔らかい (多くの場合フックの) バネで結ぶことで「分子」に接続できます。DPD の最も一般的な用途では、粒子数、体積、温度が一定に保たれるため、NVT アンサンブルで発生します。あるいは、体積ではなく圧力を一定に保って、シミュレーションを NPT アンサンブルで実行します。

原理的には、 Beowulfスタイルのクラスター内の複数のプロセッサで実行される DPD の並列実装を使用して、立方ミクロンに数ミリ秒で近づく非常に大規模なシステムのシミュレーションが可能です。DPD では非結合力が短距離であるため、空間領域分割技術を使用して DPD コードを非常に効率的に並列化できます。この方式では、シミュレーション空間全体がいくつかの立方体領域に分割され、各領域がクラスター内の個別のプロセッサに割り当てられます。各プロセッサは、その空間領域内に質量の中心があるすべてのビーズの運動方程式を積分する役割を担います。各プロセッサの空間の境界近くにあるビーズのみが、プロセッサ間の通信を必要とします。シミュレーションが効率的であることを保証するには、プロセッサ間通信を必要とする粒子間相互作用の数が、各プロセッサの空間領域の大部分内の粒子間相互作用の数よりもはるかに少ないことが重要な要件となります。大まかに言えば、これは、各プロセッサに割り当てられる空間の容積が十分に大きく、その表面積（力の遮断距離に相当する距離を乗じた値）が容積よりもはるかに小さくなることを意味します。

DPD では、さまざまな複雑な流体力学的現象がシミュレートされていますが、ここでのリストは必ずしも完全ではありません。これらのシミュレーションの目的は、多くの場合、流体のマクロ的な非ニュートン流動特性をそのミクロな構造に関連付けることです。このような DPD の用途は、コンクリートのレオロジー特性のモデリング^[6]から、生物物理学におけるリポソーム形成のシミュレーション^[7]、動的濡れなどの最近の 3 相現象まで多岐にわたります。^[8]

DPD法は、血球^[9]やポリマーミセル^{[10]などの変形可能な物体を含む不均質多相流のモデリングにも人気があります。}

1990年代初頭に初めて提案されて以来のDPD方法論のさまざまな重要な側面の発展の完全な軌跡は、「散逸粒子動力学：概要、方法論、および複雑な流体への応用 - レビュー」に記載されています。^[11]

DPD の最先端技術は、2008 年のCECAMワークショップで発表されました。 ^[12]そこで発表された技術革新には、エネルギー保存を伴う DPD、流体の粘度を調整できる非中心摩擦力、ポリマー間の結合交差を防ぐアルゴリズム、原子論的分子動力学からの DPD 相互作用パラメータの自動キャリブレーションなどがあります。最近、自動キャリブレーションとパラメータ化の例が実験観測値に対して示されました。さらに、相互作用ポテンシャルのキャリブレーションとパラメータ化を目的としたデータセットが検討されています。^{[13] [14]} Swopeらは、文献データの詳細な分析と、臨界ミセル濃度(CMC) とミセル平均凝集数 (N _agg )に基づく実験データセットを提供しています。^[15] DPD を使用したミセルシミュレーションの例は、以前にも十分に文書化されています。^{[16] [17] [18]}

DPD シミュレーションも実行できる利用可能なシミュレーション パッケージは次のとおりです。

• CULGI: 化学統一言語インターフェース、Culgi BV、オランダ
• DL_MESO: オープンソースのメソスケールシミュレーションソフトウェア。
• DPDmacs
• ESPResSo: ソフトマターシステムの研究のための拡張可能なシミュレーションパッケージ - オープンソース
• Fluidix: OneZero Software から入手可能な Fluidix シミュレーション スイート。
• GPIUTMD: 多粒子動力学のためのグラフィカルプロセッサ
• Gromacs-DPD: DPD を含む Gromacs の修正バージョン。
• HOOMD-blue 2011-11-11 にWayback Machineにアーカイブされました: 高度に最適化されたオブジェクト指向多粒子動力学 - Blue 版
• ランプス
• Materials Studio : Materials Studio - 化学物質と材料の研究のためのモデリングとシミュレーション、Accelrys Software Inc.
• OSPREY-DPD: オープンソースポリマーリサーチエンジン-DPD
• SYMPLER: フライブルク大学のフリーウェアの SYMbolic ParticLE シミュレーター。
• SunlightDPD: オープンソース (GPL) DPD ソフトウェア。

• MatDL (Materials Digital Library Pathway) による DPD シミュレーション手法 (MatDL)