분자동역학

분자동역학 계산화학 마지막 수정: 2026-07-03 22:47:33

분자동역학 Molecular Dynamics
약칭	MD
분야	계산화학 × 통계역학 × 생물물리
지배 법칙	뉴턴 운동방정식 $F=ma$
시간 적분	베를레 적분
대표 소프트웨어	LAMMPS, GROMACS

1. 개요[편집]

결국 원자 하나하나에 F=ma 때려박고 시간을 흘려보내는 것, 그 이상도 이하도 아니다.

분자동역학(Molecular Dynamics, MD)은 원자와 분자로 이루어진 계에서 각 입자에 뉴턴의 운동방정식을 적용하고 이를 시간에 대해 수치적으로 적분함으로써, 계가 시간에 따라 어떻게 변하는지를 추적하는 시뮬레이션 기법이다. 양자역학적 슈뢰딩거 방정식을 푸는 대신, 원자를 고전적인 점입자로 취급하고 그 궤적을 좇는다는 점에서 계산량이 극적으로 줄어든다.¹

단백질의 접힘(folding), 신약 후보와 단백질의 결합, 고분자의 물성, 유리의 구조, 나노 재료의 열전달 — 원자 스케일에서 “시간에 따라 무슨 일이 벌어지는가”를 알고 싶을 때 MD가 등장한다. 전산유체역학이 연속체를 격자로 쪼갠다면, MD는 물질을 아예 원자 알갱이 단위로 쪼개서 하나하나 굴린다.

2. 지배 방정식과 힘장[편집]

MD의 심장은 지극히 고전적이다. $i$ 번째 원자의 위치 $\mathbf{r}_i$ 는 뉴턴 제2법칙을 따른다:

m_i \frac{d^2 \mathbf{r}_i}{dt^2} = \mathbf{F}_i = -\nabla_i U(\mathbf{r}_1, \dots, \mathbf{r}_N)

핵심은 퍼텐셜 에너지 함수 $U$ , 이른바 힘장(force field)이다. 이게 원자들 사이의 상호작용을 규정하며, MD 결과의 신뢰도는 전적으로 힘장의 품질에 달려 있다. 대표적으로 비결합 상호작용을 기술하는 레너드-존스 퍼텐셜(Lennard-Jones potential)은:

U_{\text{LJ}}(r) = 4\varepsilon \left[ \left(\frac{\sigma}{r}\right)^{12} - \left(\frac{\sigma}{r}\right)^{6} \right]

가까우면 강하게 밀치고( $r^{-12}$ 반발), 적당히 멀면 살짝 끌어당기는( $r^{-6}$ 인력) 형태다. 여기에 결합 신축, 결합각, 이면각, 정전기 상호작용 항들이 더해져 AMBER, CHARMM, OPLS 같은 완성된 힘장을 이룬다.²

3. 시간 적분[편집]

운동방정식을 컴퓨터로 푸는 것은 결국 이산적인 시간 스텝마다 위치와 속도를 업데이트하는 일이다. MD에서 압도적으로 널리 쓰이는 것은 베를레 적분(Verlet integration) 계열, 특히 속도 베를레(velocity Verlet) 알고리즘이다:

\mathbf{r}(t + \Delta t) = \mathbf{r}(t) + \mathbf{v}(t)\,\Delta t + \frac{1}{2}\mathbf{a}(t)\,\Delta t^2

\mathbf{v}(t + \Delta t) = \mathbf{v}(t) + \frac{1}{2}\left[\mathbf{a}(t) + \mathbf{a}(t + \Delta t)\right]\Delta t

베를레류가 사랑받는 이유는 시간 가역성과 심플렉틱(symplectic) 성질 때문이다. 오차가 있어도 전체 에너지가 장기적으로 일정하게 유지되어, 정교한 룽게-쿠타법보다 오히려 장시간 안정성이 좋다. 화려함보다 보존성이 이기는 드문 사례다.

4. 시간 스텝의 저주[편집]

MD의 근본적 한계는 시간에 있다. 원자의 진동 중 가장 빠른 것(수소 원자의 결합 신축)이 대략 10펨토초(fs) 주기로 떨리기 때문에, 이걸 제대로 잡으려면 시간 스텝 $\Delta t$ 를 약 1 fs( $10^{-15}$ 초)로 잘게 써야 한다.³

그런데 우리가 보고 싶은 현상들의 시간 스케일은:

현상	시간 스케일	필요 스텝 수
결합 진동	~10 fs	~10
물 분자 재배열	~1 ps	~1,000
작은 단백질 접힘	~1 μs	~10억
큰 단백질/막 과정	~1 ms	~1조

1 밀리초짜리 현상을 보려면 스텝을 1조 번 밟아야 한다는 뜻이다. 이 “시간 스케일 격차”가 MD의 아킬레스건이며, 그래서 전용 슈퍼컴퓨터(D. E. Shaw의 Anton 등)나 향상된 샘플링 기법이 동원된다. 공간이 아니라 시간을 슈퍼컴퓨터에 갈아 넣는 셈이다.

5. 앙상블과 주기경계조건[편집]

현실적인 시뮬레이션을 위해 몇 가지 장치가 필수적으로 붙는다.

앙상블 — 어떤 열역학 변수를 고정할지에 따라 나뉜다. NVE(입자수·부피·에너지 고정)는 순수 뉴턴 역학 그대로다. 실제 실험 조건에 맞추려면 온도를 고정한 NVT, 온도와 압력을 고정한 NPT를 쓴다.
온도조절기(thermostat) — NVT/NPT에서 온도를 목표값에 붙들어두는 알고리즘. 노제-후버(Nosé-Hoover), 랑주뱅(Langevin), 베렌센(Berendsen) 등이 있다. 온도란 결국 원자들의 평균 운동에너지이므로, 조절기는 속도를 슬쩍슬쩍 스케일링해 온도를 맞춘다.
주기경계조건(periodic boundary conditions, PBC) — 유한한 계산 상자로 무한한 벌크를 흉내 내는 트릭. 상자를 벗어난 원자는 반대편으로 다시 들어온다. 표면 효과 없이 대량 물질을 모사할 수 있게 해주는 필수 요소다.

6. 몬테카를로와의 대비[편집]

MD와 자주 짝지어 언급되는 것이 몬테카를로 방법(Monte Carlo, MC)이다. 둘 다 통계역학적 평형 성질을 뽑아내는 데 쓰이지만 철학이 다르다.

MD는 시간을 따라 “굴린다”. MC는 시간을 버리고 무작위로 “찍는다”.

MD는 실제 물리적 궤적을 따라가므로 동역학적 정보(확산계수, 점성, 시간 상관함수 등)를 줄 수 있다. 반면 MC는 확률 분포를 무작위 표본추출로 훑기 때문에 시간 개념이 없고 오직 평형 성질만 준다. 대신 MC는 에너지 장벽을 껑충 뛰어넘는 이동이 가능해, MD가 갇혀버리는 상태 공간을 더 효율적으로 탐색하기도 한다. 실전에서는 둘을 섞은 하이브리드 기법도 흔하다.

7. 주요 소프트웨어[편집]

LAMMPS — 재료·물성 분야의 오픈소스 강자. 확장성이 뛰어나 수십억 원자 규모까지 병렬 계산한다.
GROMACS — 생체분자(단백질·막·물) 시뮬레이션의 표준. 속도 최적화가 극악하기로 유명하다.
NAMD, AMBER, OpenMM — 각각 대규모 병렬, 힘장 생태계, GPU/파이썬 친화성으로 특화된 코드들.

8. 관련 문서[편집]

물론 공짜는 아니다. 원자를 고전 입자로 취급하는 순간 화학 결합의 생성·절단(전자 재배치)은 기본적으로 다루지 못한다. 반응을 보려면 반응성 힘장(ReaxFF)이나, 아예 매 스텝 밀도범함수이론으로 힘을 계산하는 제일원리 MD(ab initio MD)로 넘어가야 한다. 후자는 정확한 대신 계산비용이 살인적이다. ↩
힘장 파라미터를 어떻게 정하느냐가 사실상 예술의 영역이다. 실험값과 양자계산을 짜맞춰 피팅하는데, 한 힘장에서 잘 맞던 파라미터가 다른 계로 가면 어긋나는 “전이성(transferability)” 문제가 MD판의 영원한 골칫거리다. ↩
그래서 수소 관련 결합을 강체로 고정하는 SHAKE/LINCS 같은 구속 알고리즘을 써서 가장 빠른 진동을 제거하고, 시간 스텝을 2 fs로 늘리는 꼼수가 관행이다. 1 fs든 2 fs든, 어차피 우리가 보고 싶은 현상 앞에서는 티끌만 한 시간이다. ↩