반응 경로 시각화와 검증을 위한 2차원 RMSD 투영

초록

**
본 논문은 전이 상태 탐색에서 얻은 고차원 구조 데이터를 반응물·생성물에 대한 RMSD 거리 두 축으로 투영하고, 이를 회전하여 반응 진행도와 직교 변위를 얻는 2차원 좌표계(s, d)를 제안한다. 에너지와 힘 정보를 이용해 역전파된 그래디언트‑강화 가우시안 프로세스(IMQ 커널)를 학습시켜 색상‑맵 형태의 에너지 표면을 재구성하고, 사후 분산을 통해 데이터 지원 영역과 외삽 영역을 시각적으로 구분한다. 사이클첨가, Grignard 재배열, 고리 개방 반응 사례를 통해 기존 1차원 에너지‑경로 플롯보다 구조적 차이를 명확히 드러내고, 서로 다른 계산 방법 간의 정량적 비교를 가능하게 한다.

**

상세 분석

**
이 연구는 전이 상태 탐색(NEB, 클라임 이미지 등)에서 얻어지는 수백에서 수천 개의 3N 차원 좌표를 두 개의 스칼라 변수, 즉 반응물(R)과 생성물(P) 각각에 대한 최소 RMSD 거리 r, p 로 압축한다. 여기서 핵심은 원자 순서와 회전에 무관하도록 IRA(Iterative Rotations and Assignments) 알고리즘을 이용해 최적 퍼뮤테이션과 회전을 동시에 찾는 permutation‑invariant RMSD이다. 이렇게 정의된 (r, p) 평면은 실제 화학 반응에서 두 엔드포인트 사이의 전형적인 경로를 포함하지만, 두 거리 모두 동시에 작아지는 비물리적 영역을 포함한다. 이를 보정하기 위해 첫 이미지와 마지막 이미지의 (r, p) 좌표를 이용해 고정 회전을 수행, 새로운 좌표 s (반응 진행도)와 d (경로와 직교한 편차) 로 변환한다. s는 반응물‑생성물 축을 따라 선형적으로 늘어나며, d는 경로 외부로의 변형을 측정한다.

에너지 표면 재구성 단계에서는 각 이미지의 에너지 E와 경로에 평행한 힘 F∥ 을 사용해 2차원 그래디언트 (∇_r E, ∇_p E) 를 만든다. 이때 Savitzky‑Golay 필터로 (r, p) 좌표를 부드럽게 한 뒤, 경로 접선 τ 을 계산하고 F∥·τ 을 통해 그래디언트를 추정한다. 이렇게 얻은 (E, ∇E) 쌍을 입력으로, 역다중쿼드러틱(IMQ) 커널 k(x,x′) = (c² + ‖x‑x′‖²)^{‑½} 을 사용하는 gradient‑enhanced Gaussian Process를 학습한다. IMQ 커널은 완전 단조 함수에 기반해 모든 차원에서 양정정밀성을 보장하고, 다항식 꼬리(∝ r^{‑1}) 덕분에 희소한 데이터에서도 장거리 베이시스 구조를 포착한다. 파생 관측을 포함함으로써 샘플당 정보량이 3배 증가하고, 하이퍼파라미터는 최종 경로 이미지만을 이용한 서브샘플링으로 효율적으로 최적화한다.

GP의 사후 평균은 색상‑맵 형태의 에너지 표면 E(s,d) 을 제공하고, 사후 분산은 데이터가 충분히 지원되는 영역과 외삽된 영역을 시각적으로 구분한다. 따라서 최적화 과정 중 발생한 비정상적인 진동이나 다른 베이시스로의 전이 등을 즉시 식별할 수 있다.

실험에서는 (1) 전형적인