대정준 앙상블

편집 역사 토론
계산물리 통계 계산화학 마지막 수정: 2026-08-02 05:19:07

1. 개요[편집]

대정준 앙상블
Grand Canonical Ensemble
다른 이름μVT 앙상블
고정량화학 퍼텐셜 μ, 부피 V, 온도 T
요동하는 양에너지 E, 입자수 N
대분배함수Ξ = ΣN eβμN ZN
특성 함수대퍼텐셜 Ω = −kBT ln Ξ = −PV
주 구현GCMC (삽입·삭제·이동)

벽이 열려 있다. 입자가 드나든다. 그래서 “몇 개인지”가 답이 되는 앙상블.

대정준 앙상블(grand canonical ensemble)은 계가 열저장조와 입자 저장조에 동시에 접촉해 에너지와 입자를 모두 주고받을 수 있을 때의 미시상태 분포로, 화학 퍼텐셜 μ\mu·부피 VV·온도 TT 가 고정되고 에너지 EE 와 입자수 NN 이 요동치는 앙상블이다. 흔히 μVT로 쓴다.

NN 을 고정하는 정준 앙상블이나 EE 까지 고정하는 미시정준 앙상블과 달리, 여기서는 입자 수 자체가 계산 결과다. “이 압력·온도에서 이 제올라이트 세공에 메탄이 몇 개나 들어차는가”처럼 답이 곧 개수인 문제, 즉 흡착·상평형·용액 이온 농도 같은 문제에서 다른 앙상블로는 우회로밖에 없다.

2. 대분배함수와 대퍼텐셜[편집]

NN 이 변하므로 상태합을 NN 에 대해서도 돌린다.

Ξ(μ,V,T)=∑N=0∞eβμNZN(V,T)=∑N=0∞zNZN(V,T)\Xi(\mu,V,T) = \sum_{N=0}^{\infty} e^{\beta\mu N} Z_N(V,T) = \sum_{N=0}^{\infty} z^N Z_N(V,T)

여기서 z=eβμz = e^{\beta\mu} 를 퓨가시티(fugacity)라 부른다. 개별 미시상태 ii (입자수 NiN_i, 에너지 EiE_i)의 확률은

pi=1Ξ e−β(Ei−μNi)p_i = \frac{1}{\Xi}\, e^{-\beta(E_i - \mu N_i)}

로, 정준 앙상블의 볼츠만 인자에 eβμNe^{\beta\mu N} 이 곱해진 꼴이다. 즉 입자를 하나 더 들이는 데 드는 대가를 μ\mu 가 값매김한다. μ\mu 가 크면 계는 입자를 욕심내고, 작으면 비운다.

특성 함수는 대퍼텐셜이다.

Ω=−kBTln⁡Ξ=F−μN=−PV\Omega = -k_B T \ln \Xi = F - \mu N = -PV

마지막 등식 Ω=−PV\Omega = -PV 는 시성/시강 변수의 스케일링(오일러 관계 E=TS−PV+μNE = TS - PV + \mu N)에서 나오며, 시뮬레이션에서 대단히 실용적이다. 대정준 계산은 압력을 직접 재지 않고 ln⁡Ξ\ln \Xi 에서 뽑을 수 있다. 나머지 열역학량도 미분 한 번씩이다.

⟨N⟩=kBT(∂ln⁡Ξ∂μ)V,T=−(∂Ω∂μ)V,T,S=−(∂Ω∂T)μ,V\langle N \rangle = k_BT \left(\frac{\partial \ln \Xi}{\partial \mu}\right)_{V,T} = -\left(\frac{\partial \Omega}{\partial \mu}\right)_{V,T}, \qquad S = -\left(\frac{\partial \Omega}{\partial T}\right)_{\mu,V}

3. 입자수 요동과 압축률[편집]

ln⁡Ξ\ln\Xi 를 μ\mu 로 두 번 미분하면 요동-응답 관계가 나온다. 정준 앙상블의 ⟨ΔE2⟩=kBT2CV\langle\Delta E^2\rangle = k_BT^2C_V 와 정확히 같은 구조다.

⟨ΔN2⟩=⟨N2⟩−⟨N⟩2=kBT(∂⟨N⟩∂μ)V,T=⟨N⟩2kBTκTV\langle \Delta N^2 \rangle = \langle N^2\rangle - \langle N\rangle^2 = k_BT \left(\frac{\partial \langle N\rangle}{\partial \mu}\right)_{V,T} = \frac{\langle N\rangle^2 k_B T \kappa_T}{V}

κT\kappa_T 는 등온압축률이다. 읽는 법은 이렇다 — “입자 수가 얼마나 흔들리는가”와 “누르면 얼마나 줄어드는가”가 같은 양이다. 이상기체는 κT=1/P\kappa_T = 1/P 라 ⟨ΔN2⟩=⟨N⟩\langle\Delta N^2\rangle = \langle N\rangle, 즉 푸아송 분포가 되고 상대 요동은 N−1/2N^{-1/2} 로 얌전하다. 그런데 임계점에서는 κT\kappa_T 가 발산하므로 입자수 요동도 함께 발산한다 — 임계 유백광(critical opalescence)의 정체이고, 상전이 근방에서 μVT 시뮬레이션이 유독 수렴이 안 되는 이유이기도 하다.

이 요동은 실측 가능한 양과도 연결된다. 산란 실험의 구조인자를 q→0q\to0 로 외삽한 값 S(0)=⟨ΔN2⟩/⟨N⟩=ρkBTκTS(0) = \langle\Delta N^2\rangle/\langle N\rangle = \rho k_BT\kappa_T 이므로, 시뮬레이션의 입자수 히스토그램 하나로 실험 산란 데이터와 대조할 수 있다.

4. 양자 통계가 여기서 떨어진다[편집]

대정준 형식의 가장 우아한 배당금은 양자 통계다. 각 단일입자 준위 ϵ\epsilon 을 독립적인 대정준 부분계로 보면 되기 때문에, NN 을 고정할 때 생기는 지긋지긋한 조합 제약이 사라진다.

페르미온은 준위당 점유수가 0 또는 1이므로 Ξϵ=1+e−β(ϵ−μ)\Xi_\epsilon = 1 + e^{-\beta(\epsilon-\mu)} 이고,

⟨n⟩=1eβ(ϵ−μ)+1\langle n \rangle = \frac{1}{e^{\beta(\epsilon-\mu)}+1}

가 곧 페르미-디랙 분포다. 보손은 점유수에 제한이 없어 등비급수 Ξϵ=(1−e−β(ϵ−μ))−1\Xi_\epsilon = (1-e^{-\beta(\epsilon-\mu)})^{-1} 이 되고,

⟨n⟩=1eβ(ϵ−μ)−1\langle n \rangle = \frac{1}{e^{\beta(\epsilon-\mu)}-1}

인 보스-아인슈타인 분포가 나온다(수렴을 위해 μ\mu 는 바닥준위보다 낮아야 하고, 그 한계에 닿는 것이 보스-아인슈타인 응축이다). 두 경우 모두 eβ(ϵ−μ)≫1e^{\beta(\epsilon-\mu)} \gg 1 인 고전 극한에서는 분모의 ±1\pm1 이 무의미해져 ⟨n⟩≈e−β(ϵ−μ)\langle n\rangle \approx e^{-\beta(\epsilon-\mu)} 로 수렴하며, 이것이 맥스웰-볼츠만 분포다. 세 통계가 한 뿌리에서 갈라지고 다시 하나로 합쳐지는 그림이 대정준 형식 없이는 이렇게 깔끔하게 안 나온다.1

5. GCMC — 삽입하고, 삭제하고, 옮긴다[편집]

실무의 주력은 대정준 몬테카를로(GCMC)다. 마르코프 연쇄 몬테카를로의 메트로폴리스 틀에 입자 개수를 바꾸는 이동을 추가한 것으로, 시도 이동이 세 종류다.

  • 이동(displacement) — 기존 정준 MC와 동일. 수락률 min⁡[1,e−βΔU]\min[1, e^{-\beta\Delta U}].
  • 삽입(insertion) — 상자 안 무작위 위치에 입자 하나를 새로 놓는다.
  • 삭제(deletion) — 기존 입자 중 하나를 무작위로 지운다.

상세균형에서 유도되는 수락률은 다음과 같다(Λ\Lambda 는 열적 드브로이 파장, ΔU\Delta U 는 이동 전후 퍼텐셜 에너지 차이).

acc(N→N+1)=min⁡ ⁣[1, VΛ3(N+1) eβ(μ−ΔU)]\mathrm{acc}(N \to N+1) = \min\!\left[1,\ \frac{V}{\Lambda^3 (N+1)}\, e^{\beta(\mu - \Delta U)}\right] acc(N→N−1)=min⁡ ⁣[1, Λ3NV e−β(μ+ΔU)]\mathrm{acc}(N \to N-1) = \min\!\left[1,\ \frac{\Lambda^3 N}{V}\, e^{-\beta(\mu + \Delta U)}\right]

앞의 조합 인자 V/Λ3(N+1)V/\Lambda^3(N+1) 와 Λ3N/V\Lambda^3N/V 는 이상기체의 상태 개수 비이고, 지수부가 실제 상호작용의 값매김이다. 두 식이 서로 정확한 역관계라 상세균형이 성립하며, 이 균형 덕에 시뮬레이션은 주어진 μ\mu 에 대응하는 평형 밀도를 스스로 찾아간다. MD와 달리 입자수를 바꾸는 동역학이 필요 없다는 점이 GCMC의 존재 이유다 — 뉴턴 방정식에는 “입자를 생성한다”는 항이 없기 때문에 μVT는 근본적으로 MC의 영역이고, 하이브리드로 쓸 때도 분자동역학 구간 사이사이에 GCMC 삽입·삭제를 끼워 넣는 형태(GCMD)가 된다.

5.1. 삽입 수락률 붕괴[편집]

GCMC의 아킬레스건은 명확하다. 밀집계에서 무작위 삽입은 거의 항상 기존 입자와 겹친다. 레너드-존스 퍼텐셜 같은 강한 반발 코어에서 ΔU\Delta U 가 수십 kBTk_BT 로 튀면 e−βΔUe^{-\beta\Delta U} 가 10−1010^{-10} 수준이라 수락률이 사실상 0이 되고, 연쇄가 입자수를 갱신하지 못한 채 정체한다. 액체 밀도만 되어도 순수 삽입 수락률이 10−410^{-4} 이하로 떨어지는 일이 흔하고, 사슬 분자라면 사슬 하나를 통째로 끼워 넣어야 하니 더 절망적이다. 같은 이유로 위덤 삽입법(과잉 화학 퍼텐셜 측정)도 밀집계에서 함께 무너진다.2

대처법은 전부 “무작위로 던지지 말고 편향을 걸되, 그 편향을 수락률에서 정확히 되돌린다”는 중요도 표본추출의 변주다.

  • 배열 편향 몬테카를로(CBMC). 사슬 분자를 한 번에 넣지 않고 세그먼트 단위로 키우면서, 각 단계마다 여러 시험 방향 중 볼츠만 가중으로 하나를 고른다. 누적된 로젠블루스 가중치를 수락률에 넣어 편향을 상쇄한다. 고분자·알케인 흡착 계산의 표준.
  • 팽창 앙상블 / 분율 입자. 입자를 0과 1 사이 결합세기 λ\lambda 로 서서히 켜고 끈다. 중간 단계를 밟으므로 한 번의 거대한 ΔU\Delta U 를 여러 개의 작은 단계로 쪼개는 셈이고, 발상 자체는 자유에너지 섭동의 λ\lambda 경로와 같다.
  • 캐비티 편향. 빈 공간을 먼저 찾아 그곳에만 삽입을 시도한다. 세공성 물질처럼 빈 곳과 꽉 찬 곳이 뚜렷하게 갈리는 계에서 효율이 극적으로 좋아진다.

5.2. 어디에 쓰나[편집]

GCMC의 대표 성과물이 흡착 등온선이다. μ\mu 를 훑으면서 각 점의 ⟨N⟩\langle N\rangle 을 재고, 이상기체 관계로 μ\mu 를 유량 압력으로 환산하면 곧바로 실험과 겹쳐 볼 수 있는 곡선이 나온다. 제올라이트·활성탄·MOF의 메탄 저장량, CO₂ 선택 흡착, 수소 저장 후보 스크리닝이 전부 이 방식으로 계산되며, 수십만 개 가상 MOF 구조를 GCMC로 훑는 고속 스크리닝 연구가 하나의 장르를 이룬다. 그 밖에 다공성 매질 유동의 포화·모세관 응축, 이온 용액과 막 사이의 도넌 평형, 이온 채널 안팎의 염 농도 결정에도 쓰인다.

그리고 격자 위에서 대정준 앙상블을 쓰면 격자 기체 = 이징 모형 이라는 정확한 대응이 나온다. 자리를 점유했느냐 아니냐를 스핀 위/아래로 옮기면 화학 퍼텐셜 μ\mu 가 외부 자기장 hh 에, 입자 밀도가 자화에 대응한다. 기체-액체 상전이와 강자성 전이가 같은 임계 지수를 갖는 이유가 이 사전(dictionary) 한 장이다.

6. 전자와 이온의 화학 퍼텐셜[편집]

μ\mu 는 화학자만의 것이 아니다. 전자를 다루는 시뮬레이션에서 μ\mu 는 페르미 준위라는 이름으로 등장한다.

  • 밀도범함수이론에서 금속을 계산할 때 준위 점유를 페르미-디랙 스미어링으로 채우는 것이 사실상 유한 온도 대정준 처리이며, 점유가 0/1로 딱 갈리지 않게 만들어 kk-점 수렴을 구제한다. 전기화학 셀처럼 전극 전위를 고정하고 싶으면 전자 수를 자유롭게 두는 대정준 DFT(constant-potential DFT)로 넘어간다 — 전위를 고정한다는 말이 곧 전자의 μ\mu 를 고정한다는 말이다.
  • 반도체 소자 시뮬레이션에서는 비평형 상태를 다루려고 전자와 정공에 각각 준페르미 준위를 부여한다. 두 준위의 분리가 곧 인가 전압이고, 그 기울기가 전류를 낳는다. 평형에서만 하나였던 μ\mu 가 둘로 갈라지는 것.
  • 전기화학에서는 정전 퍼텐셜까지 합친 전기화학 퍼텐셜 μ~=μ+zeϕ\tilde\mu = \mu + ze\phi 가 실제 평형 조건이 된다. 두 상 사이 μ~\tilde\mu 가 같아질 때까지 이온이 이동하며, 그 차이가 개회로 전압으로 측정된다.

즉 화학 퍼텐셜은 “입자 하나를 더 넣는 데 드는 자유에너지”라는 한 문장으로 통계역학·전자구조·전기화학을 관통한다.

7. 앙상블 선택 가이드[편집]

앙상블고정량언제 쓰나
미시정준 (NVE)N, V, E적분기 검증, 에너지 보존 확인, 충격·충돌
정준 (NVT)N, V, T부피가 정해진 계의 일반 생산 계산
등온등압 (NPT)N, P, T밀도·부피가 답인 문제, 실험 조건 재현
대정준 (μVT)μ, V, T입자 수가 답인 문제 — 흡착, 상평형, 이온 농도

거칠게 정리하면 이렇다. 답으로 원하는 양은 고정하지 말고 요동치게 두라. 밀도를 알고 싶으면 부피를 풀어 주고(등온등압 앙상블), 흡착량을 알고 싶으면 입자수를 풀어 준다(μVT). 반대로 이미 아는 양을 고정하면 그만큼 통계 잡음이 줄어든다. 열역학 극한에서는 어느 앙상블이든 같은 답을 주지만, 유한 상자에서는 요동 통계가 앙상블마다 다르고 세공처럼 애초에 크기가 작은 계에서는 그 차이가 결과 자체를 바꾼다.34

8. 관련 문서[편집]

9. Footnotes[편집]

  1. 학부 통계역학에서 페르미-디랙을 정준 앙상블로 유도하려다 조합 항에 파묻혀 본 사람이라면 이 우아함이 남다르게 느껴진다. NN 을 고정하는 순간 준위들이 서로 얽혀 곱이 분해되지 않는데, μ\mu 를 고정하면 각 준위가 완전히 독립이 되어 Ξ\Xi 가 그냥 곱으로 쪼개진다. 제약 하나를 푸는 대가로 계산이 통째로 쉬워지는 전형적인 르장드르 변환 장사. ↩

  2. 그래서 GCMC 논문의 성능 절은 사실상 “삽입을 어떻게 성공시켰는가” 자랑 대회다. 수락률 0.1%에서 5%로 올렸다는 얘기가 별것 아닌 것 같지만, 같은 통계를 얻는 데 드는 시간이 50분의 1로 줄어든다는 뜻이라 논문 한 편 값은 충분히 한다. ↩

  3. 흡착 시뮬레이션에서 흔한 실수 하나. 실험 등온선의 가로축은 대개 압력인데 GCMC의 입력은 μ\mu 라, 둘을 잇는 상태방정식을 이상기체로 대충 잡으면 고압 구간에서 곡선이 통째로 옆으로 밀린다. CO₂처럼 이상성에서 크게 벗어나는 기체는 퓨가시티 보정을 제대로 넣어야 실험과 겹친다. 모델이 틀린 게 아니라 축이 틀린 경우가 생각보다 많다. ↩

  4. μVT는 “입자 수가 안 고정된 이상한 앙상블”처럼 보이지만, 사실 실험실 현실에 가장 가까운 설정 중 하나다. 비커에 담긴 용액도, 대기 중에 놓인 시료도 주변과 분자를 계속 주고받는다. 입자 수가 정확히 NN 개로 고정된 계야말로 시뮬레이션 상자 안에만 존재하는 인공물이다. ↩