ParametrizANI: Fast and Accessible Dihedral Parametrization for Small Molecules

機械学習ポテンシャル × Google Colab CPU で 1 分子 6 分の dihedral fit を民主化

🎯 ANI-2x など NN-IP を reference にした GAFF / OpenFF 用 dihedral parametrization を、無償 Colab CPU 環境で誰でも・短時間で実行できるようにする。

① 背景と課題

MD シミュレーションの精度は force field の dihedral 項に強く依存し、特に薬物様小分子の難 dihedral（共役系・芳香環隣接 sp3 など）では汎用 GAFF/OpenFF パラメータの誤差が顕在化する。これを補正する bespoke dihedral fit は本来 QM torsion scan を要するため、計算資源が乏しい研究グループには手が届きづらかった。

DFT torsion scan は 1 分子あたり数時間〜数日。クラスタや商用クラウド前提で参入コストが高い。

OpenFF BespokeFit 等の既存ツールも、Psi4 / QM パッケージのローカル設置を前提として運用ハードルが残る。

→ 「無料 Colab CPU だけで完走する」「reference を NN-IP に置き換える」の 2 点で参入障壁を一気に下げる。

② 手法 (a) Colab notebook workflow

SMILES → RDKit conformer → Antechamber(AM1-BCC) or Psi4(RESP) で電荷 → NN-IP / QM で torsion scan → OpenMM で dihedral 抜き minimize → 最小二乗 fit → Amber/OpenMM/GROMACS 出力。すべて Jupyter cell 単位で分割。

SMILES → RDKit → charge → torsion scan (NN-IP) → OpenMM min → LSQ fit → frcmod/XML/top

Hopkins & Roitberg (2014) の analytic linear least-squares 定式化 + Rotational Profiler (Rusu et al. 2020) アルゴリズムを NN-IP reference に対応させた拡張。

② 手法 (b) NN-IP backbone (TorchANI 系)

主軸は ANI-2x（ωB97X/6-31G(d) 学習、元素 H/C/N/O/F/Cl/S）。荷電分子は AIMNet2、広元素群（P/Br/I）が要れば MACE-OFF、超高速 prototype には GFN2-xTB を選択できる pluggable 設計。

6 min/分子

Google Colab Free CPU で完走（15° 刻み full ±180° scan）

並列処理を排除しているため Colab セッション制限（90 分アイドル / 12 時間連続）に余裕で収まる。

③ 本研究で示したこと（要点）

NN-IP (ANI-2x) reference で GAFF/OpenFF dihedral を Colab CPU 完結で fit できる
ANI-2x の torsion profile は HF/6-31G** および B3LYP/6-31+G(d,p) と高い一致を示す
6 分子（amylmetacresol, benzocaine 等）で 1 分子 6 分以内の完走を実証
QM が必要なら Psi4 cell も用意。pluggable な reference 切替設計

④ 主な結果 (a) 計算速度比較

1 分子あたりの dihedral fit 完走時間

DFT を NN-IP に置き換えるだけで 1 桁短縮。GPU 不要。

④ 主な結果 (b) ANI-2x vs QM の torsion profile 一致

代表 6 分子で profile shape・barrier 高さがほぼ重なる。B3LYP / MP2 でも追加検証済。

④ 主な結果 (c) 検証分子セット

分子	系統	備考
Amylmetacresol	抗菌（口腔）	長アルキル鎖の φ/ψ
Benzocaine	局所麻酔	芳香環 - エステル間 dihedral
Betahistine	抗めまい薬	ヒスタミン類縁
Betazole	胃液分泌試薬	追加で B3LYP/MP2 対照
Chalcone	天然物 / 抗炎症	共役系の難 dihedral
7-Methoxyflavone	フラボノイド	OPLS で誤差顕在化が知られる

④ 主な結果 (d) Reference 切替の柔軟性

Reference	強み
ANI-1x / 1ccx / 2x	速度・H/C/N/O/F/Cl/S 対応・default
AIMNet2	荷電分子 OK・B97-3c / wB97M-D3
MACE-OFF	P, Br, I を含む 10 元素・transferable
GFN2-xTB	semiempirical・~1000 atom スケール
Psi4 (HF/B3LYP/MP2)	最終確認・高精度対照

ML potential を pluggable に差し替えられる設計。今後の NN-IP 進化を取り込みやすい。

⑤ テイクホームメッセージ

⚡ 速さ
1 分子 6 分（CPU 完結）。DFT 比 1-2 桁短縮。

🌐 到達性
Google Colab 無料枠で完走。クラスタ不要。

🎯 精度
ANI-2x ≒ HF/6-31G** ≒ B3LYP / MP2 (検証 6 分子)。

🔌 拡張性
NN-IP を pluggable に差し替え可能（AIMNet2 / MACE-OFF / GFN2-xTB）。

類似ツールとの比較

ツール	Reference	実行環境
Paramfit	QM	ローカル / クラスタ
ParaMol	QM	ローカル
OpenFF BespokeFit	QM (Psi4)	ローカル / クラウド
Rotational Profiler	QM	Web サーバ
ParametrizANI	NN-IP / QM	Colab 無料 CPU

本研究のインパクト

計算資源が乏しいグループでも DFT 同等の bespoke dihedral を入手可能に
NN-IP の dihedral fit 用途を実用域で示し、後続の MACE-OFF / FeNNix 系統との連携を促す
chemexp 文脈では DockFEP の FEP / MM-GBSA における ligand parametrization 改善余地に直結