Journal of Chemical Theory and Computation(以下簡寫JCTC)，作為專門為理論與計算化學(xué)領(lǐng)域單獨開辟的期刊，近些年影響因子也是逐年增加(近些年有些微波動，但范圍較??；即時影響因子為5.011)，大有成為理論與計算化學(xué)領(lǐng)域期刊中的“扛把子”。

JCTC發(fā)表論文、報告，包括量子電子結(jié)構(gòu)、分子動力學(xué)和統(tǒng)計力學(xué)方面的新理論、方法論和/或重要應(yīng)用等。特定的主題包括量子力學(xué)從頭算或應(yīng)用程序的發(fā)展，密度泛函理論，設(shè)計和新材料的性質(zhì)，表面科學(xué)、蒙特卡羅模擬，溶劑化模型，QM / MM計算，生物分子結(jié)構(gòu)預(yù)測以及分子動力學(xué)在最廣泛的意義上包括氣相動力學(xué)，從頭開始動力學(xué)，生物分子動力學(xué)和蛋白質(zhì)折疊等。遺憾的是，該期刊現(xiàn)已不考慮接受直接應(yīng)用DFT和分子動力學(xué)等已知方法的論文。該雜志傾向于提交包括理論或方法的進展，并應(yīng)用于引人注目的問題。

今天，我們就一起來剖析一下，JCTC在2020年發(fā)文情況，以及理論計算化學(xué)在這一年內(nèi)的發(fā)展情況(注：此文中對JCTC期刊的分析數(shù)據(jù)，來源于Elsevier旗下的Scopus數(shù)據(jù)庫，有疏漏之處，歡迎指出！)。
發(fā)文量


2020年JCTC共接受了645篇文章，比2019年多了80篇，其中文章類型方面，“article”共644篇，“Review”只有1篇。
發(fā)文歸屬地


排在第一位的仍是“United States”，全年在期刊上共發(fā)表了296篇，遙遙領(lǐng)先于排在第二位的“Germany”(共96篇)，第一名是第二名的3倍多。而作為科研大國，中國全年在該期刊僅發(fā)表了48篇，可見國人對基礎(chǔ)科學(xué)研究的重視程度，遠(yuǎn)遠(yuǎn)不及美國和德國。(其他排名詳見圖1)

圖1 2020年JCTC期刊發(fā)文總數(shù)歸屬地排名(前10名)
發(fā)文歸屬機構(gòu)


排在第一位的是“CNRS”，即法國國家科學(xué)研究中心，全年共發(fā)表了30篇文章；排在第二位的是“Lawrence Berkeley National Laboratory”，但僅有17篇，值得注意的是，發(fā)文歸屬機構(gòu)前十名中，來自美國的共5位。(其他排名詳見圖2)

圖2 ?2020年JCTC期刊發(fā)文總數(shù)歸屬機構(gòu)排名(前10名)
個人發(fā)文總數(shù)


排在第一位的是來自于美國明尼蘇達(dá)大學(xué)雙城分校的Truhlar, D.G.，全年共發(fā)文9篇，發(fā)文之高，令我等望塵莫及。排在第二位的，同樣是來自于美國，加州大學(xué)伯克利分校的Head-Gordon, M. (共6篇)。同樣令人詫異的是，個人發(fā)文總數(shù)前十名的，總共有7人來自于美國。(其他排名詳見圖3)
圖3 2020年JCTC期刊個人發(fā)文總數(shù)排名(前10名)

關(guān)鍵詞出現(xiàn)次數(shù)


去除一些與理論計算化學(xué)無關(guān)的關(guān)鍵詞，出現(xiàn)次數(shù)最多的關(guān)鍵詞是“Molecular Dynamics”(以下簡稱MD)，即“分子動力學(xué)”，共出現(xiàn)57次。由此可見去年一年全世界的科學(xué)家，在此領(lǐng)域付出的心血和努力，同時也可看出，“MD”將是未來理論計算化學(xué)的重要發(fā)展方向。(其他排名詳見圖4）

圖4 2020年JCTC期刊關(guān)鍵詞出現(xiàn)次數(shù)排名(前10名)

由于發(fā)文數(shù)量眾多，我們這里選擇了被引次數(shù)排名前十的文章進行闡述，本期我們先來了解一下被引次數(shù)排名前五的文章。

1.ff19SB：根據(jù)溶液中的量子力學(xué)能面訓(xùn)練出的氨基酸特異性蛋白骨架參數(shù)

分子動力學(xué)(MD)模擬在研究生物分子的運動和功能方面越來越受歡迎。然而，模擬的準(zhǔn)確性在很大程度上，取決于分子力學(xué)(MM)的力場(FF)，這是一組具有可調(diào)參數(shù)的函數(shù)，可以從原子位置計算勢能。然而，F(xiàn)F的整體質(zhì)量，如之前發(fā)布的ff99SB和ff14SB，可能會受到多年前假設(shè)的限制。在此，來自美國布魯克海文國家實驗室的Qin Wu&美國石溪大學(xué)的Carlos Simmerling等研究者，提出了更新版本的模型(ff19SB)，研究者顯著改進了所有20種氨基酸的主干結(jié)構(gòu)。研究者利用二維量子力學(xué)(QM)能量面作為參考數(shù)據(jù)，利用多種氨基酸的二維φ/ψ構(gòu)象掃描，擬合了耦合的φ/ψ參數(shù)。通過在水溶液中使用QM/MM來解決二面體參數(shù)擬合過程中的極化不一致性。最后，研究者分析了骨架擬合側(cè)鏈轉(zhuǎn)子的可能依賴性。為了廣泛驗證ff19SB參數(shù)，并與使用其他Amber力場的結(jié)果進行比較，研究者在顯式溶劑中進行了總計約5 ms的MD模擬。研究結(jié)果表明，在對QM數(shù)據(jù)進行溶劑極化的氨基酸特異性訓(xùn)練后，ff19SB不僅能更好地重現(xiàn)氨基酸特異性蛋白數(shù)據(jù)庫(PDB) Ramachandran圖的差異，而且在區(qū)分氨基酸依賴性質(zhì)(如螺旋傾向)方面也有顯著提高。研究者還得出結(jié)論，在ff14SB中存在螺旋度的固有低估，這(不確切地)可由TIP3P偏向于過緊結(jié)構(gòu)驅(qū)動的螺旋含量的增加來補償。綜上所述，ff19SB與更精確的水模型如OPC結(jié)合，在建模序列特異性行為、蛋白質(zhì)突變和合理的蛋白質(zhì)設(shè)計方面應(yīng)該有更好的預(yù)測能力。

參考文獻：Chuan Tian, Koushik Kasavajhala, Kellon A. A. Belfon, Lauren Raguette, He Huang, Angela N. Migues, John Bickel, Yuzhang Wang, Jorge Pincay, Qin Wu, and Carlos Simmerling. ff19SB: Amino-Acid-Specific Protein Backbone Parameters Trained against Quantum Mechanics Energy Surfaces in Solution.?Journal of Chemical Theory and Computation?2020 16 (1), 528-552?

DOI: 10.1021/acs.jctc.9b00591

原文鏈接：

https://pubs.acs.org/doi/abs/10.1021/acs.jctc.9b0059

2.激發(fā)態(tài)的登山策略：中等大小分子的高度精確的能量和基準(zhǔn)

此文中，來自意大利比薩大學(xué)的Filippo Lipparini和法國國家科學(xué)研究中心對的Pierre-Fran?ois Loos&Denis Jacquemin等人，給出了27個分子的高度精確的垂直躍遷能，可能包括有4，5，和6個非氫原子：丙酮、丙烯醛、苯、丁二烯、氰乙炔、氰甲醛、氰原、環(huán)戊二烯、環(huán)丙烯、環(huán)丙烯乙酮、二乙炔、呋喃、乙二醛、咪唑、異丁烯、亞甲基環(huán)丙烯、丙烯、吡嗪、吡啶、嘧啶、吡咯、四嗪、硫代丙酮、噻吩、硫代丙烯、三嗪。為了獲得這些能量，對于這些系統(tǒng)，研究者使用運動方程/線性響應(yīng)耦合簇理論以計算有可能的最高階激發(fā)，并結(jié)合了選擇組態(tài)相互作用(SCI)，以及多n電子價態(tài)微擾理論(NEVPT2)方法。所有這些方法都與包含色散的原子基集結(jié)合使用。對于所有躍遷，作者研究了每個對稱性允許躍遷的CC3/aug-cc- pvqz垂直激發(fā)能以及CC3/aug-cc- pvtz振子強度。研究表明，除了雙電子激發(fā)為主的躍遷，其誤差要大得多，CC3總體上給出了與較高級方法一致的激發(fā)能，典型偏差為±0.04 eV。這一工作提出了一個包含多種化合物的數(shù)據(jù)庫，其中包括超過200個高度精確的激發(fā)能。研究者以其中表現(xiàn)最佳的理論方法為基準(zhǔn)測試了一系列流行的激發(fā)態(tài)計算方法：CIS(D)、ADC(2)、CC2、STEOM-CCSD、EOM-CCSD、CCSDR(3)、CCSDT-3、CC3和NEVPT2，并將這些基準(zhǔn)的結(jié)果與現(xiàn)有的文獻數(shù)據(jù)進行了比較。

參考文獻：Pierre-Fran?ois Loos, Filippo Lipparini, Martial Boggio-Pasqua, Anthony Scemama, and Denis Jacquemin. A Mountaineering Strategy to Excited States: Highly Accurate Energies and Benchmarks for Medium Sized Molecules.Journal of Chemical Theory and Computation?2020 16 (3),1711-1741.?DOI: 10.1021/acs.jctc.9b01216原文鏈接：https://pubs.acs.org/doi/abs/10.1021/acs.jctc.9b01216

3.通過梯度平方最小化來優(yōu)化激發(fā)態(tài)軌道：用密度泛函理論研究單激發(fā)態(tài)和雙激發(fā)態(tài)的一般方法和應(yīng)用

在此，來自美國加州大學(xué)伯克利分校的Diptarka Hait&Martin Head-Gordon等人，提出了一種適用于任何量子化學(xué)軌道優(yōu)化過程而不存在變分坍縮風(fēng)險的一般方法。通過有限差分方法實現(xiàn)的最小平方梯度(SGM)方法，只需要解析能量/拉格朗日軌道梯度，且耗時僅為基態(tài)軌道優(yōu)化(每次迭代)的3倍。將SGM方法應(yīng)用于單行列式ΔSCF和自旋純化的限制開殼Kohn-Sham (ROKS)方法，來研究軌道優(yōu)化DFT激發(fā)態(tài)的精度。研究發(fā)現(xiàn)，當(dāng)最大重疊法或類似的方法塌陷到基態(tài)或無法收斂時，SGM能夠收斂具有挑戰(zhàn)性的狀態(tài)。研究者還報道了ΔSCF/ROKS預(yù)測了雙電子激發(fā)的高度精確的激發(fā)能(這是無法通過TDDFT獲得的)。通過ROKS得到的單激發(fā)態(tài)也相當(dāng)準(zhǔn)確，特別是對于對于TD-DFT頗具挑戰(zhàn)性的Rydberg態(tài)。該結(jié)果表明，軌道優(yōu)化激發(fā)態(tài)DFT方法可以突破TDDFT的限制，正確地處理雙激發(fā)態(tài)、電荷轉(zhuǎn)移態(tài)或Rydberg態(tài)，使它們成為研究大系統(tǒng)激發(fā)態(tài)的實用量子化學(xué)家工具箱中的一個有用工具。

參考文獻：Diptarka Hait and Martin Head-Gordon. Excited State Orbital Optimization via Minimizing the Square of the Gradient: General Approach and Application to Singly and Doubly Excited States via Density Functional Theory.?Journal of Chemical Theory and Computation?2020?16?(3), 1699-1710.?DOI: 10.1021/acs.jctc.9b01127原文鏈接：https://pubs.acs.org/doi/abs/10.1021/acs.jctc.9b01127

4.基于神經(jīng)網(wǎng)絡(luò)實現(xiàn)耦合簇精度下的勢能面構(gòu)建：以水合質(zhì)子團簇為例

高精度的勢能面，是對化學(xué)系統(tǒng)的詳細(xì)理解和預(yù)測建模的關(guān)鍵。為了滿足這一要求，近年來研究者引進了幾種基于機器學(xué)習(xí)算法、適合從頭算的新型力場。在此，來自德國魯爾波鴻大學(xué)的Christoph Schran等人，展示了如何利用高維神經(jīng)網(wǎng)絡(luò)勢在耦合簇精度下自動生成有限大小簇的勢能面，即CCSD(T*)-F12a/aug-cc-pVTZ。所開發(fā)的自動化過程利用已建立模型的內(nèi)在屬性，以無偏和有效的方式選擇訓(xùn)練集的配置，從而最小化參考計算的計算工作量。這些思想被應(yīng)用于從水合陽離子H3O+到四聚體H9O4+的質(zhì)子水團簇，并得到描述所有這些系統(tǒng)的單個勢能面，其基本收斂耦合簇的精度為0.06 kJ/mol /原子。對于四聚物的所有聚類都詳細(xì)地驗證了其適用性，不僅對駐點，而且對反應(yīng)路徑和中間構(gòu)型以及不同的取樣技術(shù)，都得到了可靠的結(jié)果。每一種設(shè)計，都以這種方式構(gòu)建神經(jīng)網(wǎng)絡(luò)勢(NNPs)，以此來處理不同的情況，包括原子核的量子性質(zhì)，以及覆蓋極低和高溫的增強采樣技術(shù)。這使研究者能夠快速而徹底地，探索具有聚合作用的目標(biāo)質(zhì)子水團簇。此外，自動化的過程，將允許處理遠(yuǎn)超出目前有限系統(tǒng)的情況。

參考文獻：Christoph Schran, J?rg Behler, and Dominik Marx. Automated Fitting of Neural Network Potentials at Coupled Cluster Accuracy: Protonated Water Clusters as Testing Ground.?Journal of Chemical Theory and Computation?2020?16?(1), 88-99. DOI: 10.1021/acs.jctc.9b00805原文鏈接：https://pubs.acs.org/doi/abs/10.1021/acs.jctc.9b00805

5.利用神經(jīng)網(wǎng)絡(luò)將多態(tài)耦合勢能面表示擴展到包含性質(zhì)算子：應(yīng)用于氨的1,21A狀態(tài)

對于可訪問系統(tǒng)來說，使用耦合絕熱狀態(tài)擬合耦合絕熱勢能面，相比于動態(tài)動力學(xué)，非絕熱動力學(xué)能夠以前所未有的精度執(zhí)行。動態(tài)動力學(xué)具有的優(yōu)勢，不僅僅體現(xiàn)在計算分子性質(zhì)的能力，還包括電偶極矩、躍遷偶極矩和自旋軌道耦合等。這些方法的可用性，擴展了可用動態(tài)方法處理過程的范圍。在此，來自新墨西哥大學(xué)的Hua Guo和美國約翰霍普金斯大學(xué)的Yafu Guan&David R. Yarkony等人，以氨的

態(tài)的電偶極矩和躍遷偶極矩的擬合為例，說明了如何利用非絕熱表示法，將這些優(yōu)點引入擬合耦合面的方法。

參考文獻：Yafu Guan, Hua Guo, and David R. Yarkony. Extending the Representation of Multistate Coupled Potential Energy Surfaces To Include Properties Operators Using Neural Networks: Application to the 1,21A States of Ammonia. Journal of Chemical Theory and Computation?2020?16?(1), 302-313.?DOI: 10.1021/acs.jctc.9b00898原文鏈接：https://pubs.acs.org/doi/abs/10.1021/acs.jctc.9b00898