Nernst–Planck（イオン輸送）→ DBM（析出パターン形成）の2段階シミュレーションフレームワーク

エグゼクティブサマリ

本レポートは「イオン輸送（Nernst–Planck / Poisson–Nernst–Planck）で連続体場（濃度・電位・電場・フラックス）を解き、その結果を確率成長モデル（DBM/DLA）に渡して析出（樹枝状・フラクタル状）のパターンを生成する」という2段階フレームワークを、学習目的で体系化する。第1段階では、拡散・電気泳動（移動）・対流（必要なら）を含むNernst–Planck型方程式で各イオン種のフラックスと保存則を表し、（電気的中性近似を置かない場合）Poisson方程式で電位を自己無撞着に決める。 第2段階では、DBM（dielectric breakdown model）やDLA（diffusion-limited aggregation）に代表される「ラプラス場（∇²φ=0）あるいはその派生量（界面での法線勾配、局所電界、あるいは反応性イオンの界面フラックス）」を重みとして、界面前進点を確率的に選ぶことで枝分かれパターンを生成する。

結合の要点は「成長確率を |E|^η や |∂φ/∂n|^η に比例させる古典DBM（ηモデル）を、電気化学析出ではより直接に“析出種の界面流束 |j_c|”に結び付ける」ことで、実際に電極析出モデルでは、界面近傍セル（格子）ごとの析出確率をカチオン流束に比例させるDBM型更新則が報告されている。 数値的には、（i）薄い電気二重層（nmオーダー）によるメッシュ要求と剛性、（ii）濃度非負性・保存則の破れ、（iii）移動境界（析出で形状が変わる）による再メッシュ・境界条件更新が主要課題であり、暗黙法・Scharfetter–Gummel型フラックス・適応時間刻み等が定番の回避策になる。

フレームワークの概観

「2段階」と言いつつ、実運用では多くの場合 (A) 連続体場の更新 と (B) 確率成長（界面更新） を交互に回す反復ループになる（=双方向結合）。電気化学析出の文脈では、Nernst–Planck＋Poisson（＋流体）とDBM型界面成長を組み合わせた成長モデルが提示されている。

mermaid 
flowchart TD
  A[初期条件: 幾何・物性・濃度・電位] --> B[段階1: イオン輸送PDEを解く]
  B --> C[局所量を算出: j_i, E=-∇φ, (必要なら反応速度)]
  C --> D[段階2: DBM/DLAで界面候補に確率重みを付与]
  D --> E[乱択で1点(または少数点)を析出: 界面を前進]
  E --> F[物性・境界条件・計算領域を更新]
  F --> B

2段階の役割分担（学習用の見取り図）

段階 目的 入力 出力（DBMへ渡す代表量） 典型的仮定
段階1（輸送） 濃度場・電位場・フラックス場を得る D, z, T, ε, 境界条件（電位/電流/反応） フラックス j_i、電位 φ、電場 E、界面法線方向量 薄膜/支持電解質/電気的中性/Poisson 等を選択
段階2（成長） 枝分かれを含む析出形状を生成 段階1の局所量 + 成長指数 η 等 析出パターン（格子上クラスタ/界面） 成長は確率的、ラプラス場支配 or 流束支配

基礎理論

Nernst–Planck方程式と保存則

イオン種 i のフラックス j_i は、拡散・電気泳動（移動）・対流（流速 v）の和として書かれるのが標準形で、1次元の講義ノートではドリフト項と拡散項の和としてNernst–Planck式が導かれている。 連続の式（質量保存）としては [ \frac{\partial c_i}{\partial t} + \nabla\cdot \mathbf{j}_i = R_i ] （R_i はバルク反応・生成消滅）を置く。反応が主に電極で起きる場合、R_i は 0 とし、境界でフラックス条件として反応を入れる実装が一般的である。

学習用に「希薄溶液・理想溶液」を仮定すると、移動度と拡散係数の関係（Nernst–Einstein型）と合わせて、電位勾配による移動項を拡散係数で表現できる（講義ノートでは D = (kT/q) μ を明示し、そこからNernst–Planck式を与えている）。

電気化学ポテンシャルとNernst–Planckの“駆動力”としての理解

熱力学ノートでは、電場下の化学ポテンシャル（伝統的に“電気化学ポテンシャル”と呼ばれることが多い）が [ \mu_i = \mu_i^\circ + RT\log a_i + z_iF\phi ] の形に書けること、また電位差で化学ポテンシャルが z_iFΔφ だけ変わることを述べている。 さらに、用語としての「electrochemical potential」は、指定電位における部分モルGibbsエネルギーとして定義されている。 この観点では、Nernst–Planck流束は「濃度勾配（=化学項）と電位勾配（=電気項）が合成された“μ_i の空間勾配”が駆動する」と理解でき、反応項・活量係数・サイズ効果などの拡張も“μ_i をどうモデリングするか”として整理しやすい。

ここで、電気泳動（移動）項に現れる係数（D z F / RT など）は、講義ノートが示す D–μ 関係と定数換算（k↔R, e↔F）を通じて得られる。

Poisson方程式、電気的中性、電気二重層

Poisson–Nernst–Planck（PNP）は「濃度（電荷密度）と電位を自己無撞着に結ぶ」モデルで、COMSOLの説明でも、Poissonオプションは“電気的中性を仮定せず、Poisson方程式と結合して電解質中の電位分布を記述する”として整理され、特に電極表面からナノメートル領域の電荷分離を扱うときに用いられるとされている。

電気二重層（EDL）の典型的扱いは次の2系統に分かれる。 (1) PNPでEDLを解像する：Poisson方程式を解き、空間電荷層を直接表現する（ただしメッシュが極端に細かく必要になる）。薄いDL（Debye長が小さい）領域で強い勾配が立つため計算が難しくなることは、薄いDLが数値困難を生むという議論でも強調されている。 (2) 薄いDL近似（thin-DL）で境界条件に畳み込む：DLは薄いと仮定し、バルクは準電気的中性として拡散方程式等を解きつつ、DLを跨いだ電位降下や反応速度を“有効境界条件”で表す。薄いDL近似でバルクの有効境界条件を導く枠組みが提示されている。

Debye長やPoisson–Boltzmann（PB）など平衡EDLの標準式は大学講義ノートでも整理されており、濃度に応じてDebye長が変わることが明示されている。

境界条件：電極反応（Butler–Volmer / gFBV）と電位条件

電極境界条件は、PNP/NPをDBMに繋ぐ上で特に重要である。Poisson–Nernst–Planckを電極反応と整合させる枠組みとして、次の考え方が文献で明確に示されている：

  • 反応（例：カチオンの析出/溶解）を イオンフラックスの境界条件 として与える（“法線方向のカチオンフラックス＝反応速度”）。
  • 反応駆動となる“界面過電圧”を、Stern層を含む電位降下として扱い、Stern層を介した境界条件（Robin型の電位境界条件など）でPoisson方程式と接続する。
  • PNP-FBV（Frumkin補正を含む一般化BV）として、PNPと電極反応境界条件を組み合わせた定式化・数値解法がarXivプレプリントで具体式として提示されている。

一方、工学的な実装観点では、COMSOLの3次電流分布（Nernst–Planck）インターフェースが、支持電解質・電気的中性・Poisson結合の選択肢、反応速度式（Tafel/BV/任意関数）を用意し、反応を境界条件または領域内ソース/シンクとして定義できると説明している。

数値解法

空間離散：有限差分・有限体積・有限要素の位置づけ

学習用には次の整理が理解しやすい。

  • 有限差分（FDM）：実装が最も直感的で、Poissonや拡散方程式を格子で差分化して反復（relaxation）で解く流れが取りやすい。電極析出を含む3Dモデルで、均一格子上の有限差分と反復法を使うと記述されている例がある。
  • 有限体積（FVM）：保存則（フラックス収支）と相性が良く、濃度の非負性や数値散逸・定常解保存を設計原理に組み込みやすい。FiPyは有限体積法ベースのPDEソルバであることを明示している。
  • 有限要素（FEM）：複雑形状・再メッシュ・高次要素に強く、Poisson/NPの弱形式化（variational form）に馴染む。FEniCSは有限要素法（FEM）でPDEを解くためのオープンソース基盤として説明されている。

DBM側（格子クラスタ）と輸送側（連続体PDE）を結ぶ場合、(a) 輸送側も格子（FDM/FVM）に寄せて“同一格子で結合”するか、(b) 輸送側をFEMで解きつつ、界面近傍のサンプリングでDBM格子に写像するか、の設計になる。前者は実装が簡単で、後者は幾何の自由度が高いが写像誤差に注意が必要である。

時間離散：陽解法/陰解法、安定性、剛性の源泉

拡散方程式の陽解法は安定条件（CFL型制約）を強く受け、FiPyの例では「明示的（explicit）拡散の最大安定時間刻みが Δt ≤ Δx²/(2D)」と明示されている。 同じFiPy例は、陰解法（implicit）にすれば大きいΔtが取れるが精度が落ちること、折衷としてCrank–Nicolson（半陰）を導入できることも具体式で説明している。

PNPの難しさは、（特に電極近傍で）薄いDLが形成され、急峻な勾配が生じる点にある。薄いDLが数値困難を生むこと、またDebye長がnmオーダーになり得ることが述べられている。 さらに、Debye長が小さい極限（準電気的中性極限）に対して、時間離散の仕方で極端に厳しい安定条件が現れることも報告されている。有限体積・完全陰解法・Scharfetter–Gummelフラックスの枠組みでは、時間的に結合を外すと Δt ≤ Cλ² 型の安定制約が出て実用にならない場合がある、と具体的に指摘されている（λは無次元Debye長）。

PNP-FBV（電極反応境界を含むPNP）については、非一様メッシュと境界層解像、適応時間刻み（adaptive time-stepping）で初期過渡を効率的に扱う、という数値戦略が述べられている。

ドリフト（移動）項の離散化：上流化とScharfetter–Gummel型

ドリフト拡散型（PNP/NPと同型の“ドリフト・拡散”）では、単純な中心差分は振動・負濃度を誘発しやすい。ドリフト拡散系に対し、Scharfetter–Gummelフラックスを用いた有限体積スキームが重要であること、定常解保存・散逸性などの性質が議論されている。 学習用には「(i) 保存形（フラックス差）で書く、(ii) 係数が大きいときは上流化や指数フィッティング（Scharfetter–Gummel系）を検討する、(iii) 非負性をテストで常に確認する」という3点を“型”として覚えるとよい。

実装・ソルバ選定（推奨スタック）

  • FiPy：有限体積ベースでPDEをPythonで組み立てられ、拡散の陽解法安定条件や陰解法・Crank–Nicolsonの例がドキュメントに具体的にある。
  • FEniCS：有限要素で弱形式に基づくPDE解法基盤として説明されている。複雑形状や境界条件の実装に向く。
  • COMSOL：Nernst–Planckと電気的中性/Poisson結合、電極反応（BV/Tafel等）を含む“3次電流分布”の説明が公式ドキュメントにまとまっている。
  • PETSc：線形ソルバ（KSP）としてKrylov法＋前処理の枠組みを提供し、大規模離散化（特に3D）で有用。

DBMとDLAの理論

DBM（ηモデル）の基本：ラプラス場＋確率成長則

古典的DBMでは、放電（または成長）パターンを導体（φ=0）として扱い、外部境界をφ=1と置いたラプラス場（∇²φ=0）を毎ステップ解き、界面近傍の候補結合（bond）に対して確率を割り当てる。 NiemeyerらのPRLでは、候補bondに対する確率を [ p \propto (\Delta \phi)^\eta ] （正確には候補ごとのポテンシャル差をη乗し正規化）として与えており、ηが局所場と確率の関係を表す指数（power-law exponent）である、と記述されている。 また、各成長ステップで離散ラプラス方程式を反復（典型 5〜50反復）で解く、としてアルゴリズム全体が“場を解く→確率で1本伸ばす→場を解く…”の反復である点が明確である。

ηを変えるとパターン（分岐密度）とフラクタル次元が変化することも、同PRLの数値結果（表）として示されている。

DLAとラプラシアン成長：確率が“調和測度”になる

DLAはランダムウォーカーがクラスターに付着するモデルとして導入され、到達確率（harmonic measure）がラプラス方程式の境界値問題として表わせることがレビューで説明されている。 同レビューは、クラスター表面の成長確率を境界での法線微分（∂u/∂n）に比例させる“Laplacian growth”表現を述べ、さらに成長確率を ((\partial u/\partial n)^\eta) に一般化でき、η=1で通常のDLAに戻る、と明記している。 この対応は「DBM（ηモデル）＝DLAの一般化」という学習上の重要な橋渡しになる。

ηの物理的意味：何が“分岐の少なさ”を決めるか

教育目的の日本語資料では、η>1で分岐が少なくなる（枝が太く“尖り”が強くなる方向）こと、ただしηの物理的意味が不明確だと指摘されている。 この点は電気化学析出に移すとき特に重要で、ηを“何の非線形（例：界面反応・空間電荷・輸送律速の切替）を粗視化して表現しているのか”を、結合戦略（次節）で明示するのがよい。

格子実装とオフ格子実装

  • 格子（on-lattice）：候補サイトが明確で実装が容易だが、格子異方性が現れることがある。
  • オフ格子（off-lattice）：レビューでは、当時の文脈で「当面はオフ格子DLAのみを扱うのが普遍的慣行」と述べ、格子依存性・異方性の問題意識を示している。

学習の順序としては、(1) 格子DBM/DLAで成長則と確率サンプリングを理解 → (2) オフ格子（粒子位置を連続）や境界要素/レベルセット等との接続、が無理が少ない。

（上の画像群は、DLA/DBMが典型的に生成する“枝分かれフラクタル”の直感的な外観を掴む補助として有用。）

結合戦略

片方向結合と双方向結合

**片方向結合（one-way）**は、段階1で得た場（例えば定常電位・定常濃度）を固定し、その場に対してDBM/DLAで成長を進める。これは「場→パターン」の依存だけを見たい学習・感度解析に向く。古典DBMが“ラプラス場を解き、その場で確率成長する”という構造なので、片方向結合はDBM単体の延長として実装しやすい。

**双方向結合（two-way）**は、析出で形状（導電性領域）が変わるたびに、段階1（輸送・電位）を更新して次の成長確率を作り直す。古典DBM自体が“1ステップ成長ごとにラプラス場を再計算”なので、双方向結合はむしろDBMの作法に沿う。 電極析出を扱う成長モデルでは、Nernst–Planck＋Poisson（＋流体）とDBM型界面更新を組み合わせる、と明示されている。

結合の“核”となる更新則：|E|^η か |j|^η か

電気化学析出でより直接的なのは “析出種（例：カチオン）の界面流束”を重みとする成長則である。薄層セル電極析出の3Dモデルでは、界面をDBMでランダムに動かし、その確率をカチオン流束に比例させる： [ p_k = \frac{|j_{c,k}|}{\sum_i |j_{c,i}|} ] という形が本文中で示されている。 これにより、DBMの“電場依存”を、電気化学（輸送＋反応）の“物質流束依存”へ自然に翻訳できる（|j|は、拡散・移動・対流の寄与を統合した量）。

一方、DBMの原型は「局所電場やポテンシャル差に対してべきで確率を与える」ηモデルである。 したがって、電気化学析出の2段階フレームワークでは、学習上は次の2つを“同型”として扱うと理解が進む：

  • 形状が主にラプラス電場で決まる近似： (p \propto |E|^\eta \sim |\nabla \phi|^\eta) 
  • 形状が析出種フラックスで決まる近似： (p \propto |j_c|^\eta)（η=1が最も素直）

ηの物理的意味が曖昧になりやすい、という注意は日本語資料でも指摘されているため、学習用途ではまず η=1（流束比例）から入り、必要に応じてη≠1を“粗視化パラメータ”として導入するのが安全である。

境界条件更新・物性更新の実務ポイント

双方向結合では、析出により次の量が更新対象になる：

  • 計算領域（電解質領域）：析出領域を“非透過（イオンが入れない）”にし、界面でフラックス境界条件（反応）を与える。
  • 電位境界条件：析出が金属なら等電位境界の拡張として扱う、またはStern層を含むRobin境界条件で扱う、という整理がPNP文献でなされている。
  • 更新頻度（どれだけ場を解き直すか）：DBM原型は“成長1ステップごとに場を更新”である一方、電気化学輸送は時間発展PDEなので、マクロ時間刻みΔtごとに（または成長イベント数ごとに）再解く設計になる。実際の電極析出モデルでは“各タイムステップでPDEを解き、界面が流束に比例して動く”という実装が記述されている。

電導率・誘電率の空間依存化は、（i）電極/析出相と電解質相の“異なる物性”を領域ごとに与える（多相・多領域）か、（ii）Stern層を“等価境界条件（Robin）”で代用してPoisson領域を縮約する、のどちらかで導入するのが現実的である。後者はStern層境界条件や薄いDLの有効化の議論と整合する。

結合戦略の比較表

設計 更新単位 長所 短所/注意
片方向（場固定） 事前に場を1回（または低頻度）更新 実装が最短、DBMの理解に集中できる 先端集中・遮蔽など“場のフィードバック”を再現しにくい
双方向（逐次更新） 成長1ステップ〜数十ステップ毎に場更新 DBM原型と整合、形状–場の相互作用を表現 計算が重い、再メッシュ/剛性対策が必須
薄DL縮約（有効BC） バルク方程式＋有効境界条件 nmスケールを直接解像せずに反応と整合 近似の成立域（薄DL、準平衡など）を外すと破綻

実装例とテスト設計

以下は「学習用の最小実装（2D、対流なし）」を想定したテンプレートである。電解質化学・電極反応・ジオメトリは 未指定なので、必要箇所は“未指定”としてパラメータ化する。

フォルダ構成（例）

text 
np_dbm_framework/
  README.md
  environment.yml             # 例: conda環境（任意）
  configs/
    base.yaml                 # 物性・境界条件・数値設定（未指定をここで埋める）
  src/
    pnp/
      model.py                # NP/PNP方程式（弱形式 or FVM形式）
      bc.py                   # 境界条件（電位、濃度、反応）
      solver.py               # 時間積分、線形/非線形ソルバ
    growth/
      dbm.py                  # DBM更新（確率計算・サンプリング）
      geometry.py             # 析出形状（格子クラスタ、界面抽出）
      coupling.py             # 1-way / 2-way 結合の制御
    post/
      diagnostics.py          # 保存則、電流、フラクタル次元
      viz.py                  # 可視化
  tests/
    test_diffusion_1d.py      # 拡散だけの安定性/精度テスト
    test_pnp_1d_fbv.py        # PNP-FBV（1D）基礎テスト
    test_dbm_2d.py            # DBM（ηモデル）単体テスト
  notebooks/
    demo_minimal.ipynb

主要パラメータ表（定義と単位）

記号 意味 単位 典型の指定方法
D_i イオン種 i の拡散係数 m²/s 文献値 or 実験同定（未指定）
z_i 価数 無次元 化学種で決定（未指定）
T 温度 K 実験条件（未指定）
ε 誘電率（相対×真空） F/m 電解質の値（未指定）
φ 電位 V 電極電位/基準電位（未指定）
j_i フラックス mol/(m²·s) 等 段階1の出力
η DBM指数 無次元 η=1から開始推奨（学習用）
Δx 空間刻み m 最小長さスケール（特にDL）を解像：nm域では非常に小さいΔxが必要になり得る
Δt 時間刻み s 拡散陽解法なら Δt ≤ Δx²/(2D)（少なくとも参照）
λ_D Debye長 m 濃度依存で変化（講義ノートに式）

Python擬似コード（段階1→段階2、双方向結合）

ここでは「成長確率をカチオン流束で重み付け（p ∝ |j_c|）」の流れを最小化して示す。電極反応は“界面への流束”として入れる（詳細はbc.pyへ）。

python 
# pseudo-code (for learning)

from pnp.solver import solve_pnp_step
from growth.geometry import DepositLattice
from growth.dbm import sample_growth_site

# --- initialize ---
state = {
    "c": init_concentrations(),     # dict: species -> array
    "phi": init_potential(),        # array
}
geom = DepositLattice(nx, ny)
geom.seed_electrode_and_seed_cluster()

for macro_step in range(N_macro):

    # ---- Stage 1: solve ion-transport (NP/PNP) on current geometry ----
    # returns updated concentrations/potential and species fluxes j_i on faces/cells
    state, fluxes = solve_pnp_step(state, geom,
                                  dt=dt_pnp,
                                  bc=boundary_conditions,
                                  method=time_integrator)

    # ---- Stage 2: DBM growth using deposition-weight ----
    # interface candidates: neighbor cells adjacent to deposit
    candidates = geom.interface_neighbor_cells()

    # weight can be |j_cation · n|^eta or just |j_cation| (eta=1)
    weights = []
    for k in candidates:
        j_c = fluxes["cation"][k]   # local cation flux toward deposit
        w = max(0.0, abs(j_c)) ** eta
        weights.append(w)

    if sum(weights) == 0:
        # no growth possible: stop or relax constraints
        break

    chosen = sample_growth_site(candidates, weights)  # discrete distribution sampling
    geom.add_deposit_cell(chosen)

    # ---- coupling updates ----
    # remove ions in deposit cell, update material properties, update boundary markers, etc.
    state = geom.apply_geometry_update_to_state(state)

    # ---- diagnostics (optional) ----
    log_metrics(state, fluxes, geom)

テストケース（簡易）と期待される出力図（何を見るべきか）

1D：拡散のみ（陽解法の安定性チェック）

FiPyの拡散例は、陽解法で Δt ≤ Δx²/(2D) の安定条件を明示し、陰解法・Crank–Nicolsonまで含めて検証例を提供する。 期待する出力は、（i）陽解法で条件を破ると発散/振動、（ii）条件内なら解析解（誤差関数形）に近い、（iii）陰解法は大Δtでも解けるが精度が落ちる、である。

1D：PNP-FBV（電極反応境界を含むPNPの基礎）

PNPに一般化Frumkin–Butler–Volmer境界条件を付けた1D無次元系と境界条件が示されている（アニオンは無反応・無流束、カチオンは電極で反応境界）。 このテストでは、（i）電位・濃度の境界層形成、（ii）時間刻みを変えたときの安定性、（iii）電流や反応フラックスの符号整合、を確認する。薄いDLが数値困難を生むという背景もここで体感できる。

2D：DBM単体（ηモデル）—フラクタル次元の参照値

古典DBMはラプラス場を解き、候補に (p \propto (\Delta\phi)^\eta) を付けて1ステップずつ成長する。 期待される出力は、η=1（DLA相当）で枝分かれフラクタルが現れ、ηの変更で枝分かれ密度とフラクタル次元が変わること（PRLの表に対応）である。

検証指標と学習上の落とし穴

検証指標案

保存則（質量/電荷） NP/PNPは保存形で書けるため、離散化後も「総量（∑セル c_i）＝境界フラックス積分＋反応量」に一致するかが第一の検証になる。FVMは特にこのチェックと相性が良い。

電流–速度（成長）相関 電極析出モデルでは、界面前進確率をカチオン流束に比例させる（p_k ∝ |j_c|）という結合則が提示されているため、平均的な界面前進速度（成長率）が“局所流束（=電流密度に関係）”と相関するはずである。 COMSOLの整理でも、電解質電流密度が (\sum z_i(-D_i\nabla c_i - z_i u_{m,i}Fc_i\nabla\phi)) の形で表されることが示されており、フラックスと電流を結び付けた診断が可能である。

フラクタル次元 DLAレビューは、相関次元・箱数え次元など複数の次元定義を説明し、箱数え次元の定義式（N_λ = B λ^{-D_0}）を具体的に与えている。 学習用には、(i) box-counting（複数スケールでのログ–ログ回帰）、(ii) 半径–質量スケーリング（M(r)∼r^D）などを実装し、ηや結合則変更でDがどう変わるかを見るとよい。

よくある落とし穴と対処法

薄い電気二重層の未解像（Δx不足） DLはnmオーダーになり得て、フルPNPでは非常に細かい格子が必要になること、またPoisson結合は電極近傍ナノメートルでの電荷分離に用いられることが明言されている。 対処として、学習段階では (a) 電気的中性近似でバルクのみ計算、(b) 1DでDLを解像して感覚を掴む、(c) 薄DL近似で境界条件に縮約、の順に段階を踏むのが現実的である。

陽解法の破綻（Δt過大） 陽的拡散は Δt ≤ Δx²/(2D) の制約があり、これを超えると不安定化する。 対処として陰解法（ただし精度低下）やCrank–Nicolson、適応時間刻み等を検討する。

ドリフト項で負濃度・振動 ドリフト拡散型ではフラックス離散化が本質で、Scharfetter–Gummelフラックスの重要性、また時間結合を外すと λ（Debye長）により厳しい安定条件が出ることが議論されている。 対処は、(i) 保存形＋適切フラックス（SG/上流）を使う、(ii) 非負性・定常解保存を毎ステップ検査する、(iii) 可能なら完全陰解法や準ニュートン/ニュートンで同時解く、である。

ηの意味づけが曖昧なままパラメータ調整を始める ηの物理的意味が不明確であるという指摘があり、η≠1を“何の効果の代用にしているか”を説明できないままフィッティングすると、再現性・外挿性が低くなる。 対処として、電気化学析出ではまず “p ∝ |j_c|（η=1）” のように「物質収支に直結する重み」を基準モデルにし、η≠1は後から導入するのが学習上安全である。

参考文献と学習リソース

日本語で読みやすい一次・準一次資料

  • 日本機械学会 用語集：Nernst–Planck方程式（イオン輸送の基本形）。
  • 金沢大学 講義ノート：電気二重層・Poisson–Boltzmann・Debye長の式整理。
  • 熱力学ノート（日本語PDF）：電位項を含む化学ポテンシャル（電気化学ポテンシャル）の式 μ_i = μ_i° + RT log a_i + z_iFφ。
  • 分子神経情報学 講義ノート（日本語PDF）：Nernst–Einstein関係とNernst–Planck式（ドリフト＋拡散）。
  • 静岡大学の教育論文（日本語PDF）：DBM、DLAとの関係、ηモデル、ηの意味が不明確という注意点。
  • フラクタル科学（朝倉書店、版元情報）：フラクタル現象の総合入門（結晶成長などを含む構成が示されている）。

原著・レビュー（英語中心、ただしフレームワーク上の“核”）

  • DBM原著（PRL）：ラプラス場と確率成長則 p ∝ (Δφ)^η、反復解法の概略。
  • DLAレビュー（Sander）：DLAの位置づけ、Laplacian growth、p ∝ (∂u/∂n)^η と η=1でDLA、フラクタル次元評価。
  • 電極境界条件を含むPNP（Bazantら）：BV反応境界、Stern層境界条件、薄DL極限の議論。
  • 薄DL・gFBV・数値困難（Soestbergenら）：薄いDLが数値困難を生むこと、gFBV境界、薄DL縮約。
  • PNP-FBV数値解法（arXiv）：PNP-FBV系と適応時間刻み、境界層解像。
  • 2段階結合の具体像（電極析出×DBM）：Nernst–Planck＋Poisson（＋流体）＋DBM型析出の組合せが明示された成長モデル（要旨）。

公式ドキュメント（実装の地図として）

  • COMSOLドキュメント：Nernst–Planck＋電気的中性/Poisson結合、反応速度式（BV等）、Poissonの適用域（電極近傍ナノメートル）。
  • COMSOLブログ：3次電流分布での電流密度式・BV式の表現。
  • FiPyドキュメント：有限体積PDEソルバとしての位置づけ、拡散の安定性・陰解法・Crank–Nicolson例。
  • FEniCS公式：FEMでPDEを解くオープンソース基盤。
  • PETSc公式：KSP（Krylov法＋前処理）による線形系解法。

オープンソース実装・チュートリアル（学習用）

  • DBM/リヒテンベルグ図形：GitHubリポジトリ（例実装、MITライセンス等の記載あり）。
  • DBM/DLAを含むJupyter教材：DBM（Niemeyerら）とDLAのノートブックを収録。
  • GMPNP（FEniCS例）：改良PNP（Stern層を別途Poisson解）を含むFEniCS実装例。
  • DLA（Python例）：2D/3D、フラクタル次元評価などを含む例。

定番教科書（リンクは書誌情報の確認用）

  • Electrochemical Methods: Fundamentals and Applications：電極反応速度論や輸送（BV等）を体系的に学ぶ基礎文献として定番。
  • Electrochemical Systems：電気化学系の輸送・反応・境界条件を数理モデルとして学ぶ定番。
  • Fractal Growth Phenomena：DLA/DBMを含むフラクタル成長の体系書。

（注：ユーザーの系（電解質種、反応、電極形状、温度、濃度、支持電解質の有無等）が未指定のため、具体的パラメータ値の推奨は未記載とし、上表・テスト設計を“未指定を埋められるテンプレート”として提示した。）

あわせて読みたい