概要 不規則な固体の代表例として，ガラスとゲルがある．ガラスは，粒子が高密度にギュウギュウに詰まった固体である．一方でゲルは，粒子が低密度でスカスカなネットワーク状に固まった固体である．ガラスとゲルはともに不規則な固体であるが，両者の固まり方は対照的である．そのため，弾性や分子振動といった固体物性も互いに大きく異なったものとなる．本稿では，分子動力学シミュレーションによって生成したガラスとゲルに基づき，両者の構造，弾性，分子振動を比較しながら解説する．そして，そこから見えてくるガラスとゲルの本質的な違いを議論したい.

粉体を構成する粒子に働く粘性力に注目し，粘性力が粉体のマクロな物性にどう影響するかを明らかにする．特に，粉体の粘弾性，音波物性，拡散における粘性力の役割を調べ，ジャミング転移やランダムな粒子配置に起因する特異性との関係を議論する．また，分子動力学法で用いる粘性力のモデルについても解説し，接線方向の粘性力がマクロな物性を大きく左右することを示す．

ガラス形成液体は動的不均一性と呼ばれる特徴的なダイナミクスを示す．しかしながら，そのメカニズムの全容は未だ明らかになっていない．本稿では，近年研究が盛んに行われている「流れる固体」アプローチについて解説する．

“流れが速くなればなるほど，液体の流動抵抗が小さくなる”というシアシニング現象は，ほとんどのソフトマターで観測される普遍的な非ニュートンレオロジー現象である．それはガラス形成物質の場合にも例外ではないが，その発生機構については，現在も十分に理解されていない．本稿では，特にフラジャイルガラス形成液体について，剪断流下での有効体積分率(自由体積) の減少(増加) という観点から，シアシニングが定量的に説明されることを示し，その背後にある物理的な意味を議論する．

深層ニューラルネットワーク(Deep Neural Network, DNN) を用いた機械学習は身近になった. 様々なノウハウが集積されているが，DNN は未だブラックボックスであり，その本質的なメカニズムの解明は非常に興味深い問題である. 機械学習の理論的考察は情報統計力学の重要な課題であり，実はガラスを含むランダム系の統計力学とのつながりが深い. 我々は最近，あるプロトタイプのDNN による機械学習の統計力学的理論を構築した. またこのDNN のアンサンブルをモンテカルロ法によってランダムサンプリングし，重要な巨視的観測量を統計力学的に解析した. 解析の結果，このDNN 内部において学習が空間的に極めて不均一に起こっていることがわかってきた.

本連載記事では，著者が「京」や「富岳」といった国のスパコンプロジェクトに10 年近く関与した経験およびそこで得た知識をもとに，分子動力学 (MD) 計算の大規模並列化のために必要な並列化プログラミングの技術，並列化効率を向上させるための方法論，最新ハードウェアの動向といった広範な話題について複数回に渡り解説する．

著者は，これまで開発してきた量子分子動力学法に，フェルミオンの核スピン統計を満たす核量子回転を取り入れる拡張を行うことで，量子回転分子動力学法と呼べる新手法を開発した．これにより，フェルミオン水素核ペアが反対称核スピンを持ち対称な核量子回転を有するパラ水素と，対称核スピンを持ち非対称な核量子回転を持つオルソ水素の分子エネルギー差(170 K)や，遠心力によるH-H 結合長差・振動数差，水素分子種ごとに定性的に異なる比熱や，温度に依存して変化する各水素分子種の存在比までを再現した．特に，カーボンナノチューブ内で吸脱着を繰り返すパラ水素やオルソ水素の実時間ダイナミクスを計算することに初めて成功し，「電子状態は同じであるにも関わらず，核量子回転が励起するほど水素分子の並進・配向ダイナミクスが促進され，H-H 振動数はredshift しつつ振動強度は増幅する」と結論付けた．このような動的知見は，静的な量子化学計算や従来の経路積分分子動力学法では得ることができない．量子回転分子動力学法は，計算手法自体が確立していなかったオルソ水素の初めての量子動力学法であるだけでなく，電子励起状態ではなく核励起状態において実時間の分子ダイナミクスを追える初めての量子動力学法である．

静電相互作用は長距離力であり，実空間のカットオフで計算することは難しい．様々な改良法が開発されているが，有効性については未知の部分が多い．筆者は，最近カットオフの改良法の性質を理論的に検証したので，本稿で紹介する．Neumann-Steinhauser の手順を参考に，オンサーガーの誘電体モデルを使ってカットオフの影響を検証した．単純なカットオフとカットオフなしの他に，３種類のシフト関数を扱い，その効果を検証した．

固体内のイオン輸送の基礎的理解は，全固体電池などの実用的なデバイス開発に重要な役割を果たす．イオン輸送特性を微視的に理解し定量的に解析する上で，分子動力学法（MD）は有用である．筆者の博士論文には，固体内イオン伝導においてイオン同士が相関し合い伝導する効果（イオン–イオン相関）に着目したMD 研究が纏められている．その紹介記事として本稿の前半では，固体内イオン輸送の理論計算研究において，イオン–イオン相関を考慮する重要性を論じる．後半では，イオン–イオン相関を考慮したより高精度なイオン伝導度を高速に計算するために開発した非平衡MD 手法の概要とその有効性を論じる．