자유에너지 섭동

분자동역학 계산화학 통계 시뮬레이션 마지막 수정: 2026-07-17 04:34:56

1. 개요[편집]

자유에너지 섭동 Free Energy Perturbation
약칭	FEP
발표	1954년, Robert W. Zwanzig
핵심 식	Zwanzig 방정식 (지수 평균)
주요 용도	결합 자유에너지, 용매화 자유에너지, 신약 설계
대표 코드	GROMACS, AMBER, LAMMPS

자유에너지 섭동(Free Energy Perturbation, FEP)은 두 상태 A와 B 사이의 자유에너지 차이 $\Delta F$ 를, 한쪽 상태에서 얻은 앙상블 평균만으로 계산하는 통계역학 기법이다. 1954년 Zwanzig가 제시한 아래 한 줄이 전부다.¹

\Delta F = F_B - F_A = -k_B T \ln \left\langle e^{-\Delta U / k_B T} \right\rangle_A, \qquad \Delta U = U_B - U_A

여기서 $\langle \cdot \rangle_A$ 는 상태 A의 앙상블에서의 평균이다. 즉 A만 시뮬레이션하면서 “만약 B였다면 에너지가 얼마였을까”를 계속 물어보면 B의 자유에너지를 알 수 있다는 것. 유도는 분배함수 두 줄이면 끝나고 근사도 전혀 없는 엄밀한 항등식이다. 그런데 실제로 써보면 사람을 미치게 만든다. 이 문서의 나머지는 사실상 왜 그런지에 대한 이야기다.

자유에너지가 중요한 이유는 명확하다. 결합 상수, 용해도, 분배계수, 상평형 — 실험으로 측정되고 산업에서 돈이 되는 양은 전부 에너지가 아니라 자유에너지다. 엔트로피가 빠진 퍼텐셜 에너지 차이만 봐서는 아무것도 예측할 수 없다.

2. 지수 평균의 저주[편집]

Zwanzig 식이 엄밀한데 왜 어려운가? 지수 함수 때문이다. $e^{-\Delta U/k_BT}$ 의 평균은 $\Delta U$ 가 작은, 즉 확률적으로 드문 구조들이 지배한다. A의 앙상블을 아무리 오래 샘플링해도 그 드문 꼬리를 제대로 못 잡으면 평균이 통째로 틀린다. 더 나쁜 건 이 오차가 편향(bias)이라 시뮬레이션을 길게 돌려도 천천히만 사라진다는 점이다. 게다가 항상 $\Delta F$ 를 과소평가하는 방향으로 틀린다. 오차 막대는 예쁘게 작은데 값은 틀려 있는, 가장 위험한 종류의 실패다.²

경험칙은 “ $\Delta U$ 의 분포 폭이 $2k_BT$ 이내여야 쓸 만하다”는 것. 리간드 하나를 통째로 바꾸면 $\Delta U$ 가 수백 kcal/mol씩 튀므로 답이 없다. 그래서 나온 처방이 결합 파라미터(coupling parameter) $\lambda$ 다.

U(\lambda) = (1-\lambda)\, U_A + \lambda\, U_B, \qquad \lambda: 0 \to 1

$\lambda$ 를 0에서 1까지 여러 개의 중간 창(window)으로 쪼개면, 이웃 창 사이의 $\Delta U$ 는 충분히 작아진다. 자유에너지는 상태 함수이므로 경로가 물리적으로 말이 되든 안 되든 상관없다. 그래서 원자를 서서히 사라지게 하거나 탄소를 질소로 변신시키는 연금술적 경로(alchemical path)를 마음껏 쓸 수 있다. 이 문서의 기법이 “연금술적 자유에너지 계산”이라 불리는 이유다.³

3. 자매 기법들[편집]

FEP는 혼자 다니지 않는다. 같은 $\lambda$ 스케폴딩 위에서 추정량만 바꾼 형제들이 있다.

열역학적 적분(Thermodynamic Integration, TI): $\Delta F = \int_0^1 \langle \partial U/\partial\lambda \rangle_\lambda \, d\lambda$ . 지수 대신 미분의 평균을 쓰므로 통계적으로 훨씬 얌전하다. 대신 수치적분 오차가 추가되고, 적분값이 뾰족하면 창을 촘촘히 박아야 한다.
BAR(Bennett Acceptance Ratio): 정방향과 역방향 데이터를 둘 다 써서 최대우도로 $\Delta F$ 를 추정한다. 주어진 데이터에서 분산이 최소임이 증명되어 있다. 안 쓸 이유가 없다.
MBAR: BAR를 모든 $\lambda$ 창에 동시에 확장한 것. 오늘날 사실상의 표준 추정량이다. 같은 궤적으로 FEP보다 좋은 값이 나오므로, 현대 워크플로에서 순수 Zwanzig 식은 교육용에 가깝다.

정리하면 이렇다.

기법	필요 데이터	통계 효율	비고
FEP (Zwanzig)	한 방향	나쁨	편향이 잘 안 보임
TI	각 창의 dU/dλ	좋음	적분 오차 존재
BAR	양방향	매우 좋음	최소분산
MBAR	모든 창	최고	현재 표준

4. 열역학 사이클[편집]

FEP의 진짜 실무 무기는 열역학 사이클이다. 리간드가 단백질에 붙는 절대 결합 자유에너지를 직접 계산하는 건 어렵지만, 리간드 A와 B의 결합 자유에너지 차이는 훨씬 쉽다.

\Delta\Delta F_{\text{bind}} = \Delta F_{\text{bind}}^{B} - \Delta F_{\text{bind}}^{A} = \Delta F_{\text{protein}}^{A\to B} - \Delta F_{\text{water}}^{A\to B}

즉 “리간드를 단백질 주머니 안에서 A→B로 변신시키는 비용”과 “물속에서 똑같이 변신시키는 비용”의 차이면 된다. 물리적으로 불가능한 경로 두 개를 계산해서, 실험으로 측정 가능한 양의 차이를 얻는다. 자유에너지가 상태 함수라는 사실을 이렇게 뻔뻔하게 써먹는 것이 이 분야의 묘미다.

이것이 신약 설계에서 FEP가 살아남은 이유다. 분자 도킹이 수백만 개 후보를 훑어 수십 개로 줄이면, FEP가 그 수십 개의 상대적 결합력을 1 kcal/mol 수준의 정확도로 순위 매긴다. 화합물 하나 합성하는 데 드는 시간과 돈을 생각하면 GPU 며칠은 저렴하다.

5. 실패하는 방법들[편집]

FEP 계산이 틀리는 지점은 대체로 정해져 있다.

엔드포인트 특이점: $\lambda \to 0$ 에서 원자가 사라질 때 레너드-존스 퍼텐셜의 $r^{-12}$ 항이 발산한다. 다른 원자가 그 자리에 겹쳐 들어오면 $\Delta U$ 가 무한대로 튄다. 해법은 소프트코어 퍼텐셜 — $\lambda$ 가 작을 때 거리를 부드럽게 완화해 발산을 막는다. 안 쓰면 $dU/d\lambda$ 곡선이 엔드포인트에서 폭발하고, 그 위를 지나는 적분값은 쓰레기가 된다.
정전기와 반데르발스를 동시에 끄기: 전하를 남긴 채 반발 코어만 지우면 반대 전하 원자가 그 자리로 빨려 들어가 시뮬레이션이 터진다. 전하를 먼저 끄고 그다음 LJ를 끄는 2단계 스케줄이 국룰이다.
직교 자유도 샘플링 부족: $\lambda$ 방향은 잘 훑었는데, 정작 단백질 곁사슬이 궤적 내내 원래 회전이성질체에 갇혀 있는 경우. $\lambda$ 창끼리 구조를 교환하는 해밀토니안 레플리카 교환(HREX)이 표준 처방이다.
힘장이 틀린 경우: 샘플링을 완벽하게 해도 퍼텐셜이 현실과 다르면 정확히 틀린 답으로 수렴한다. 이건 FEP의 죄가 아니라 검증 및 확인의 영역이다.

수렴을 확인할 때 흔히 쓰는 진단은 정방향과 역방향 계산의 히스테리시스, 이웃 창의 $\Delta U$ 분포 겹침 정도, 시간을 앞뒤로 잘라 본 수렴 곡선이다. 하나라도 이상하면 값이 예뻐 보여도 믿으면 안 된다.⁴

6. 다른 자유에너지 방법들과의 위치[편집]

FEP 계열이 다루기 좋은 건 연금술적 변화다. 반면 물리적 좌표를 따라가는 자유에너지 곡면(단백질 접힘 경로, 이온 채널 통과, 반응 좌표)은 우산 샘플링, 메타다이내믹스, 적응적 바이어싱 힘(ABF) 같은 향상된 샘플링 기법의 영역이다. 둘은 경쟁 관계가 아니라 목적이 다르다 — 그리고 실제로는 같은 논문에서 함께 쓰이는 일이 흔하다.

계산 정확도의 천장은 결국 힘장이 정한다. 그래서 반응이 일어나는 자리만 밀도범함수이론으로 처리하고 나머지는 고전 역장으로 두는 QM/MM 조합, 또는 고전 궤적에서 얻은 자유에너지를 양자 수준으로 재가중(reweighting)하는 접근이 함께 쓰인다. 최근에는 기계학습 퍼텐셜이 이 자리를 노리는 중인데, 자유에너지 계산이 요구하는 나노초 단위 샘플링과 DFT 정확도를 동시에 만족시키는 것이 여전히 도전 과제다.

7. 관련 문서[편집]

Zwanzig, R. W. (1954). “High-Temperature Equation of State by a Perturbation Method”. J. Chem. Phys. 22, 1420. 원래 목적은 신약 설계가 아니라 고온 상태방정식이었다. 70년 뒤 제약회사 GPU 클러스터를 돌리게 될 줄은 본인도 몰랐을 것이다. ↩
지수 평균의 편향은 항상 한 방향(과소평가)이라 더 악질이다. 통계 오차라면 오차 막대가 커져서 티라도 나는데, 편향은 오차 막대가 작은 채로 틀린 값에 수렴한 것처럼 보인다. “수렴했다”는 말이 “맞다”는 말이 아닌 대표적 사례. ↩
자유에너지가 상태 함수라는 이유로 물리적으로 불가능한 경로를 마음껏 쓰는 것이 이 분야의 국룰이다. 탄소가 서서히 질소로 변하고 메틸기가 반쯤 사라진 채 존재하는 중간 상태들은 현실에 없지만, 양 끝만 진짜면 아무도 뭐라 하지 않는다. 중세 연금술사들이 이 소식을 들으면 억울해할 만하다. ↩
정방향과 역방향 계산 결과 차이(히스테리시스)는 가장 정직한 수렴 지표다. 두 값이 크게 벌어지면 샘플링이 모자란 것이고, 그 상태에서 평균을 내서 보고하는 건 두 개의 틀린 답으로 하나의 틀린 답을 만드는 일이다. ↩