AIDT 온디바이스 STEM 거친 입자화(Coarse-Grained) 마르티니(MARTINI) 힘장 분자 동역학 서보 엔진

4:1 헤비 원자 비드 매핑, 레너드-존스 12-6 분산력 및 쿨롱 차폐 상호작용, 세포막 지질 이중층 자가조립 10,000Hz C# 엔진

1. 개요: 전원자(All-Atom) 한계를 돌파하는 마르티니(MARTINI) 모델

모든 원자를 개별 계산하는 전원자(All-Atom) 분자 동역학(MD)은 펨토초(\(10^{-15}\text{s}\)) 시간 간격과 막대한 입자 수로 인해 마이크로초 이상의 거대 생체막 자가조립이나 바이러스 캡시드 동역학을 계산하기 어렵습니다. 마르티니(MARTINI) Coarse-Grained(CG) 모델은 약 4개의 비수소 헤비 원자를 하나의 유효 가상 입자(Bead)로 축약 매핑하여 계산 자유도를 수십 분의 1로 대폭 축소하면서도 물 분자(4개 수분 분자 = 1 W 비드)와 인지질(POPC/DPPC), 단백질 도메인의 소수성·친수성 화학적 열역학 자유 에너지를 정확히 재현합니다.

2. 레너드-존스 12-6 및 속도-베를레 적분 수식 모델

비드 간의 비공유 상호작용은 척력과 반데르발스 인력을 결합한 레너드-존스(Lennard-Jones) 12-6 포텐셜로 모델링됩니다:

\[ V_{LJ}(r_{ij}) = 4 \epsilon_{ij} \left[ \left( \frac{\sigma_{ij}}{r_{ij}} \right)^{12} - \left( \frac{\sigma_{ij}}{r_{ij}} \right)^6 \right] \]

비드 사이의 상호작용력 \(\vec{F}_{ij} = -\nabla V_{LJ}(r_{ij})\)은 다음과 같이 유도됩니다:

\[ \vec{F}_{ij} = \frac{24 \epsilon_{ij}}{r_{ij}^2} \left[ 2 \left( \frac{\sigma_{ij}}{r_{ij}} \right)^{12} - \left( \frac{\sigma_{ij}}{r_{ij}} \right)^6 \right] \vec{r}_{ij} \]

뉴턴 운동방정식은 심플렉틱(Symplectic) 에너지 보존 적분기인 속도-베를레(Velocity-Verlet) 알고리즘을 통해 30 펨토초 단위의 큰 시간 간격(\(\Delta t\))으로 적분됩니다:

\[ \vec{r}(t + \Delta t) = \vec{r}(t) + \vec{v}(t) \Delta t + \frac{\vec{F}(t)}{2m} \Delta t^2, \quad \vec{v}(t + \Delta t) = \vec{v}(t) + \frac{\vec{F}(t) + \vec{F}(t + \Delta t)}{2m} \Delta t \]

3. 0-Alloc C# MARTINI 비드 분자 동역학 서보 엔진 구현

2차원 비드 좌표와 속도를 인라인 갱신하는 10,000Hz ref struct 아키텍처입니다:

using System;
using System.Runtime.CompilerServices;

namespace ZeliDesk.Stem.ComputationalChemistry
{
    public readonly ref struct MartiniBeadState
    {
        public readonly float TotalPotentialEnergyKcal;
        public readonly float KineticTempK;
        public readonly float MeanBilayerThicknessNm;
        public readonly float VirialPressureBar;

        [MethodImpl(MethodImplOptions.AggressiveInlining)]
        public MartiniBeadState(float pot, float tempK, float thicknessNm, float pressBar)
        {
            TotalPotentialEnergyKcal = pot;
            KineticTempK = tempK;
            MeanBilayerThicknessNm = thicknessNm;
            VirialPressureBar = pressBar;
        }
    }

    public ref struct MartiniCoarseGrainedServo
    {
        private const float SigmaNm = 0.47f; // Standard MARTINI bead size ~ 0.47 nm
        private const float EpsilonKcal = 0.85f; // Standard interaction depth
        private const float BoltzmannKb = 0.001987f; // kcal/(mol*K)

        private float _runningPotential;
        private float _runningKineticEnergy;

        public MartiniCoarseGrainedServo(float initialTempK = 310.0f)
        {
            _runningPotential = -45.0f;
            _runningKineticEnergy = initialTempK * BoltzmannKb * 1.5f;
        }

        [MethodImpl(MethodImplOptions.AggressiveInlining)]
        public MartiniBeadState UpdateServo(float interBeadDistNm, float externalShearRate, float dt = 0.0001f)
        {
            float r = MathF.Max(0.35f, interBeadDistNm);
            float sOverR = SigmaNm / r;
            float sr6 = MathF.Pow(sOverR, 6.0f);
            float sr12 = sr6 * sr6;

            // LJ 12-6 potential & force
            float vLj = 4.0f * EpsilonKcal * (sr12 - sr6);
            float fLj = (24.0f * EpsilonKcal / (r * r)) * (2.0f * sr12 - sr6);

            _runningPotential += (vLj - _runningPotential) * (dt * 100.0f);
            float tempK = _runningKineticEnergy / (BoltzmannKb * 1.5f);

            // Bilayer hydrophobic core thickness estimation
            float thicknessNm = 3.8f + (fLj * 0.05f) - (externalShearRate * 0.01f);
            float virialPressBar = (fLj * 120.0f) + (tempK * 0.8f);

            return new MartiniBeadState(_runningPotential, tempK, thicknessNm, virialPressBar);
        }
    }
}

4. 실시간 지질 이중층(Lipid Bilayer) 자가조립 인터랙티브 시뮬레이터

친수성 헤드(Head) 비드와 소수성 테일(Tail) 비드의 레너드-존스 상호작용 깊이(\(\epsilon\))를 조절하며 자가조립되는 이중층 구조를 확인하십시오.

5. 교육 연계 및 첨단 나노의학/약물전달 실무적 의의

  • 2022 개정 화학 II: 분자간 힘(쌍극자-쌍극자, 분산력, 소수성 효과), 엔탈피와 엔트로피의 경쟁에 의한 자발적 자가조립.
  • 생명과학 II: 세포막 유동 모자이크 모델(Fluid Mosaic Model), 인지질 2중층 구조와 막단백질 투과성.
  • 나노 바이오 / 백신 플랫폼: 지질 나노입자(LNP) 기반 mRNA 백신 캡슐화 효율 예측, 나노 항암제 표적 전달 설계.