パラメータ
操作
運動温度 T*
—
運動エネルギー
—
ポテンシャル
—
全エネルギー
—
気相
LJポテンシャル
$$V(r)=4\varepsilon\left[\left(\frac{\sigma}{r}\right)^{12}-\left(\frac{\sigma}{r}\right)^{6}\right]$$引力最小点 rmin = 21/6σ ≈ 1.122σ
粒子シミュレーション（青=低温 → 赤=高温）
エネルギー履歴
レナード＝ジョーンズポテンシャルとVerlet積分で粒子間の引力・斥力を計算。温度スライダーを動かして気相・液相・固相の転移をリアルタイムで観察できます。
引力最小点 rmin = 21/6σ ≈ 1.122σ
粒子間に働く力は、レナード＝ジョーンズ（LJ）ポテンシャルによって記述されます。これは、近距離では強い斥力（粒子が重ならないように）、ある距離では引力（分子が集まるように）を再現する、分子動力学シミュレーションで最も基本的なモデルです。
$$V(r)=4\varepsilon\left[\left(\frac{\sigma}{r}\right)^{12}-\left(\frac{\sigma}{r}\right)^{6}\right]$$$V(r)$: 2粒子間のポテンシャルエネルギー
$r$: 2粒子間の距離
$\varepsilon$: エネルギーの尺度。ポテンシャルの深さ（井戸の深さ）を決め、引力の強さを表す。
$\sigma$: 長さの尺度。ポテンシャルがゼロとなる距離（$V(r=\sigma)=0$）で、粒子の「有効直径」とみなせる。
$r^{-12}$項: 短距離での強い斥力（主に電子雲の重なりによる）を表す。
$r^{-6}$項: 長距離での弱い引力（ファンデルワールス力）を表す。
粒子の運動は、ニュートンの運動方程式を数値的に解くことで追跡します。このシミュレーターでは、計算が安定でエネルギー保存性に優れる「Velocity Verlet法」が使われています。
$$ \begin{aligned}\vec{x}(t + \Delta t) &= \vec{x}(t) + \vec{v}(t)\Delta t + \frac{1}{2}\vec{a}(t)\Delta t^2 \\ \vec{v}(t + \Delta t) &= \vec{v}(t) + \frac{\vec{a}(t) + \vec{a}(t + \Delta t)}{2}\Delta t \end{aligned}$$$\vec{x}(t)$: 時刻$t$における粒子の位置ベクトル。
$\vec{v}(t)$: 時刻$t$における粒子の速度ベクトル。
$\vec{a}(t)$: 時刻$t$における粒子の加速度ベクトル。LJポテンシャルから力$\vec{F}$を計算し、$\vec{a}=\vec{F}/m$で求める。
$\Delta t$: 時間刻み。シミュレーションでは非常に小さな値（例えば$10^{-14}$秒オーダー）が使われる。
この方法で、粒子の軌跡を少しずつ計算し、巨視的な振る舞いを再現します。
ナノ材料設計：カーボンナノチューブやグラフェンシートの機械的・熱的性質を、原子レベルでのシミュレーションで予測します。LJポテンシャルは炭素原子間のファンデルワールス相互作用をモデル化するのに使われます。
創薬・タンパク質折りたたみ：薬剤分子が標的タンパク質のどの部位に結合するか、またタンパク質がどのように立体構造を形成するかを、水分子も含めた大規模な分子動力学シミュレーションで解析します。生体分子の相互作用の基礎モデルとしてLJポテンシャルが活用されます。
潤滑剤・界面科学：金属表面と潤滑油分子の間の摩擦や潤滑メカニズムを解明します。分子がどのように配列し、せん断力に抵抗するかをシミュレーションすることで、低摩擦・高耐久な潤滑剤の開発に貢献します。
ガス貯蔵・分離材料：多孔性材料（MOFなど）の細孔内でのガス分子（水素、二酸化炭素など）の吸着・拡散挙動をシミュレーションします。材料の構造を変えて、どれだけ効率的にガスを貯められるか、事前に評価できます。
まず、「シミュレーション結果がそのまま実験データ」と思わないことが大事だ。このシミュレーターは、あくまで「レナード＝ジョーンズ（LJ）ポテンシャルという単純化されたモデル」の世界を再現している。例えば、水の相転移を厳密に再現したいなら、水分子の極性（プラスとマイナスの偏り）を考慮したより複雑な力のモデルが必要になる。LJモデルはアルゴンなどの希ガス原子の挙動を理解するための「入り口」だと心得よう。
次に、パラメータ設定で陥りがちなのが「極端な値」を設定してしまうこと。例えば、温度を一気に0K（絶対零度）近くに下げると、粒子がほとんど動かなくなり、シミュレーションが「凍りついて」見えてしまう。逆に、ε（引力の強さ）を極端に大きくすると、粒子が強固に固まって動きがなくなり、逆に相転移の「過程」が見えにくくなる。まずはデフォルト値から少しずつ（例えば温度を10%ずつ、εを1.2倍ずつなど）変化させて、その影響を観察するのがコツだ。
最後に、「粒子数が多ければ多いほど良い」という思い込み。確かに、数百〜数千粒子にすると液体や固体の「塊」としての振る舞いが明確になるが、その分計算負荷は増大する。実務では、求められる精度と計算リソースのバランスが重要。例えば、ナノスケールの微粒子の凝集を調べるのであれば、数十粒子の挙動を詳細に追跡する方が本質的なケースもある。このツールで粒子数を変えながら、現象の本質を捉えるのに必要な最小限の粒子数はどれくらいか、感覚を掴んでおくといい。
この分子動力学（MD）シミュレーションの基礎技術は、材料開発の分野で欠かせないツールになっている。例えば、航空機や自動車の軽量化に使われる新合金の設計では、原子レベルでの強度や変形のメカニズムをMDシミュレーションで予測する。LJポテンシャルよりも複雑な「埋め込み原子法（EAM）」などのポテンシャルを用いて、金属原子の集合体の挙動を解析するんだ。
また、創薬やバイオエンジニアリングでも応用が広がっている。タンパク質と薬剤分子がどのように結合するか（ドッキングシミュレーション）を調べる際には、水溶液中での分子の動きをMDで再現する。この場合、LJポテンシャルに加えて、静電気的な相互作用を表す「クーロンポテンシャル」が組み合わされる。このシミュレーターで学ぶ「温度が粒子の運動エネルギーを決める」という概念は、生体分子の柔軟な動きを理解する基礎にも直結している。
さらに、微粒子・ナノテクノロジーの分野では、ナノ粒子の自己組織化や凝集プロセスを設計するためにMDが活用される。例えば、ディスプレイの量子ドットを均一に配列させるためには、溶媒中の粒子間のLJ的な相互作用を精密に制御する必要がある。ここで扱っている「σ（粒子サイズ）」や「ε（凝集しやすさ）」のパラメータ感覚は、ナノ材料の分散技術を考える上で非常に重要だ。
まず次のステップとしておすすめなのは、「周期境界条件」の概念を理解することだ。今のシミュレーターでは粒子が箱の中を自由に動いているが、実はこの箱の「壁」の扱いが大きな問題になる。実際のマクロな物質はほぼ無限に原子が続いているが、コンピュータでは有限個の粒子しか扱えない。そこで、箱の反対側から粒子が繋がっているとみなす「周期境界条件」を導入することで、表面の影響を排除したバルク（内部）の性質をシミュレートできるようになる。これが実用的なMDシミュレーションの第一歩だ。
数学的な背景を深めたいなら、数値積分法に注目しよう。このシミュレーターで使われているVelocity Verlet法は、ニュートンの運動方程式をどうやってコンピュータが解くか、という「アルゴリズム」の一種だ。なぜこの方法がエネルギー保存性に優れるのかを理解するには、テイラー展開の知識が役立つ。位置$x(t+\Delta t)$を$x(t)$のまわりで展開すると、 $$ x(t+\Delta t) = x(t) + v(t)\Delta t + \frac{1}{2}a(t)\Delta t^2 + \cdots $$ という式が得られ、Verlet法の位置の更新式の由来がわかる。時間刻み$\Delta t$を大きくしすぎると計算が発散する理由も、この展開の高次項を無視していることから理解できる。
最後に、このLJポテンシャルを超えて、さまざまな「力場（フォースフィールド）」の存在を知ろう。現実の物質をシミュレートするには、結合の伸縮や角度の変化を記述する項、先ほど述べた静電相互作用の項など、多くの物理項を加えた力場が必要になる。例えば「AMBER」や「CHARMM」は生体分子用の、「COMPASS」は高分子や無機材料にも使える汎用的な力場として有名だ。LJポテンシャルは、これら全ての力場の中で「非結合相互作用」を表す最も基本的な部品として生き続けている。まずはこの部品の挙動を体感した君は、すでに分子シミュレーションの世界への第一歩を踏み出しているんだ。