結晶成長シミュレーター

DLAモデルの核心は、ランダムウォーク（拡散）する粒子の運動です。粒子は格子点上をランダムに移動し、隣接サイトに既存のクラスター（集合体）が存在すると付着します。このプロセスは以下の確率過程で記述されます。

ここで、$P(\vec{r}, t)$は位置$\vec{r}$、時刻$t$に粒子が存在する確率、$\vec{\delta}$は隣接格子点への変位ベクトル（四方または六方）、$z$は隣接サイト数（配位数）です。クラスター表面では$P=0$（吸収境界条件）とします。

成長したクラスターの構造を特徴づけるのがフラクタル次元 $D_f$ です。クラスターの質量（粒子数）$M$ と、その広がり（半径）$R$ の間にべき乗則が成り立ちます。

ここで、$M$はクラスター内の総粒子数、$R$は中心からの慣性半径などで定義される代表長さです。$D_f$が2に近いと緻密な円形、1.71程度だと空隙が多いな樹枝状構造であることを意味します。シミュレーターは成長過程でこの関係をリアルタイムにフィッティングし、$D_f$を推定しています。

電解析出・めっき：電解液中の金属イオンが電極表面に拡散して析出する過程はDLAと類似しており、樹枝状の析出物（デンドライト）が発生することがあります。これはショートの原因となるため、プロセス制御の観点から研究されています。

雪の結晶の成長：過冷却水蒸気分子が氷晶核に拡散して付着する過程は、六方晶の対称性を考慮したDLAモデルで再現できます。シミュレーターの「六方晶」モードは、この自然現象を模倣したものです。

多孔質材料・コロイド凝集：微粒子が溶液中でランダムに動き、衝突して大きな集合体を形成するコロイド凝集は、DLAの3次元版としてモデル化されます。生成されるフラクタル構造は、触媒の表面積やフィルターの透過性に影響します。

血管新生・神経突起の分岐：生物の組織において、成長因子などの化学物質の拡散に律速されて血管や神経が枝分かれしながら成長するパターンは、DLAの考え方で理解が進められています。

このシミュレーターを使い始めるとき、いくつか勘違いしやすいポイントがあるから、最初に押さえておこう。まず、「粒子数を増やせば増やすほど、現実の結晶に近くなる」と思いがちだけど、そう単純じゃない。確かに粒子数が多いほど構造は細かくなるけど、計算する格子のサイズが足りないと、クラスターが画面端にぶつかって成長が歪んでしまう。例えば、1000x1000の格子で10万粒子も生成すると、端効果が無視できなくなるんだ。まずは格子サイズを大きくしてから粒子数を増やす、という順番がコツだね。

次に、「付着確率」パラメータの解釈。これを下げると「跳ね返りが増える」と説明されるけど、これは粒子が「くっつくかどうかを確率的に決める」という抽象化されたモデルだということを忘れてはいけない。実在の現象、例えば電解析出で言えば、これは界面のエネルギー障壁や添加剤の影響に相当する。だから「0.1」に設定したからといって、現実の確率が10%というわけではなく、あくまで相対的な傾向を見るためのパラメータと理解しよう。

最後に、フラクタル次元の値の読み方。シミュレーション中に値が1.5から1.8の間で揺れるのを見て「計算がおかしいの？」と思うかもしれない。でも、これは正常だ。推定に使うデータ点（クラスターの半径と質量）が少ない成長初期は値が不安定で、粒子数が増えるほど理論値の約1.71に収束していく。したがって、ある程度成長が進んでから（例えば粒子数が5000を超えてから）の値を参考にしよう。