理論計算領(lǐng)域進(jìn)入新的一年，又有哪些新工作引人注目了呢？讓我們一起研究一番吧。

1.Nature Communications：基于條件生成神經(jīng)網(wǎng)絡(luò)的三維分子結(jié)構(gòu)反向設(shè)計

合理設(shè)計具有理想性能的分子，是化學(xué)中長期存在的挑戰(zhàn)。生成神經(jīng)網(wǎng)絡(luò)，已經(jīng)成為一種從學(xué)習(xí)分布中采樣新分子的強(qiáng)大方法。在此，來自德國柏林工業(yè)大學(xué)的Niklas W. A. Gebauer & Kristof T. Schütt等研究者，提出了一種條件生成神經(jīng)網(wǎng)絡(luò)用于特定化學(xué)和結(jié)構(gòu)性質(zhì)的三維分子結(jié)構(gòu)。這種方法與化學(xué)鍵無關(guān)，并且能夠從條件分布中有針對性地采樣新分子，即使是在參考計算很少的領(lǐng)域。研究者通過生成具有特定基序或組成的分子，發(fā)現(xiàn)特別穩(wěn)定的分子，以及聯(lián)合針對超出訓(xùn)練范圍的多種電子特性，證明了他們的反設(shè)計方法的實用性。

參考文獻(xiàn)：

Gebauer, N.W.A., Gastegger, M., Hessmann, S.S.P. et al. Inverse design of 3d molecular structures with conditional generative neural networks.?Nat Commun?13,?973 (2022). https://doi.org/10.1038/s41467-022-28526-y

原文鏈接：

https://www.nature.com/articles/s41467-022-28526-y

2.Nature Communications：隱微擾哈密頓函數(shù)作為一類通用的機(jī)器學(xué)習(xí)分子表示

通過機(jī)器學(xué)習(xí)來解決具有挑戰(zhàn)性的問題，最近已經(jīng)成為許多科學(xué)學(xué)科的熱門話題。為了開發(fā)嚴(yán)格的機(jī)器學(xué)習(xí)模型來研究分子科學(xué)中感興趣的問題，將分子結(jié)構(gòu)轉(zhuǎn)換為適當(dāng)?shù)臋C(jī)器學(xué)習(xí)輸入的定量表示，發(fā)揮了核心作用。許多不同的分子表現(xiàn)形式和最先進(jìn)的表現(xiàn)形式，盡管在研究許多分子特征方面效率很高，但在許多具有挑戰(zhàn)性的情況下仍然不是最優(yōu)的，正如在當(dāng)前研究的背景下所討論的那樣。

在此，來自德國基督教阿爾布雷希茨大學(xué)的Amin Alibakhshi等研究者引入隱式微擾哈密頓量(ImPerHam)作為一類通用表示形式，以提高機(jī)器學(xué)習(xí)在分子科學(xué)中的挑戰(zhàn)性問題的效率?；谶B續(xù)介質(zhì)溶劑化模型，ImPerHam表示被定義為分子哈密頓量的能量屬性，它隱含地受到許多假設(shè)或真實的任意溶劑的擾動。研究者展示了基于ImPerHam表示的機(jī)器學(xué)習(xí)模型，在預(yù)測CYP450酶抑制、分子系統(tǒng)非共價相互作用能的高精度和可轉(zhuǎn)移評估三個不同且具有挑戰(zhàn)性的案例中的杰出性能，并能精確再現(xiàn)了大型基準(zhǔn)裝置的溶劑化自由能。

參考文獻(xiàn)：

Alibakhshi, A., Hartke, B. Implicitly perturbed Hamiltonian as a class of versatile and general-purpose molecular representations for machine learning.?Nat Commun?13,?1245 (2022). https://doi.org/10.1038/s41467-022-28912-6

原文鏈接：

https://www.nature.com/articles/s41467-022-28912-6#citeas

3.Nature Communications：硅酸鹽三鈣溶解的從頭算機(jī)理揭示

在自然界和工業(yè)中，礦物在水中的溶解是普遍存在的，尤其是硅酸鈣類。然而，這種復(fù)雜的化學(xué)反應(yīng)的行為在原子水平上仍不清楚。在此，來自澳門大學(xué)的李宗津等研究者表明，從頭算分子動力學(xué)和元動力學(xué)模擬可以定量分析鈣離子從硅酸鹽三鈣(Ca3SiO5)表面溶解的反應(yīng)路徑、熱力學(xué)和動力學(xué)。不同配位環(huán)境的鈣位點導(dǎo)致不同的反應(yīng)路徑和自由能壘。低的自由能壘導(dǎo)致鈣離子的脫離是一個配體交換和自催化過程。此外，水的吸附、質(zhì)子交換和水向表面層的擴(kuò)散也逐步加速了鈣離子從表面層的浸出。這一發(fā)現(xiàn)對揭示硅酸三鈣的水化機(jī)理具有里程碑意義。

參考文獻(xiàn)：

Li, Y., Pan, H., Liu, Q. et al. Ab initio mechanism revealing for tricalcium silicate dissolution.?Nat Commun?13,?1253 (2022).?

https://doi.org/10.1038/s41467-022-28932-2

原文鏈接：

https://www.nature.com/articles/s41467-022-28932-2#citeas

4.JACS：腔洞調(diào)制質(zhì)子轉(zhuǎn)移反應(yīng)

質(zhì)子轉(zhuǎn)移，在許多基本的化學(xué)和生物過程中普遍存在，調(diào)節(jié)和控制質(zhì)子轉(zhuǎn)移速率的能力，將對許多量子技術(shù)的發(fā)展產(chǎn)生重大影響。利用光學(xué)或納米等離子體腔內(nèi)化學(xué)系統(tǒng)的強(qiáng)光物質(zhì)耦合，可以調(diào)節(jié)質(zhì)子轉(zhuǎn)移過程的反應(yīng)速率。在此，來自美國熨斗研究所計算物理中心的Fabijan Pavo?evi? & Johannes Flick等研究者，利用不同的量子電動力學(xué)方法，特別是量子電動力學(xué)耦合團(tuán)簇理論和量子電動力學(xué)密度泛函理論，研究了原型丙二醛和Z-3-氨基-丙烯分子中的質(zhì)子轉(zhuǎn)移反應(yīng)。根據(jù)腔模偏振方向的不同，研究者發(fā)現(xiàn)光腔可以使反應(yīng)能壘增加10-20%或降低反應(yīng)能壘約5%。利用第一性原理方法，本工作建立了強(qiáng)光物質(zhì)耦合作為改變和催化質(zhì)子轉(zhuǎn)移反應(yīng)的可行和實用的途徑。

參考文獻(xiàn)：

Fabijan Pavo?evi?, Sharon Hammes-Schiffer, Angel Rubio, and Johannes Flick, Cavity-Modulated Proton Transfer Reactions.?Journal of the American Chemical Society?Article ASAP DOI: 10.1021/jacs.1c13201

原文鏈接：

https://pubs.acs.org/doi/10.1021/jacs.1c13201

5.JACS：機(jī)器學(xué)習(xí)有時可能只是簡單地捕捉文獻(xiàn)流行趨勢：以雜環(huán)鈴木-宮村耦合為例

T

機(jī)器學(xué)習(xí)(ML)在合成化學(xué)中的應(yīng)用依賴于這樣一個假設(shè)，即大量文獻(xiàn)報道的例子，應(yīng)該能夠構(gòu)建準(zhǔn)確和預(yù)測化學(xué)反應(yīng)性的模型。這篇論文表明，豐富的精心策劃的文獻(xiàn)數(shù)據(jù)，可能不足以達(dá)到這一目的。在此，來自美國伊利諾伊大學(xué)香檳分校的Martin D. Burke & 煉金術(shù)股份有限公司的Bartosz A. Grzybowski等研究者，以Suzuki-Miyaura與雜環(huán)構(gòu)建塊耦合為例，以及精心挑選的>10,000個文獻(xiàn)實例數(shù)據(jù)庫，數(shù)據(jù)表明，即使搜索空間僅限于溶劑和堿，ML模型也不能提供對最佳反應(yīng)條件的任何有意義的預(yù)測。

這一結(jié)果適用于ML模型(從簡單的前饋到最先進(jìn)的圖卷積神經(jīng)網(wǎng)絡(luò))或描述反應(yīng)伙伴的表征(各種指紋、化學(xué)描述符、潛在表征等)。在所有的情況下，基于文獻(xiàn)中報道的某些反應(yīng)條件的純粹頻率，ML方法沒有比單純賦值方法執(zhí)行得更好。這些不令人滿意的結(jié)果，可能反映了不同化學(xué)家對使用某些協(xié)議的主觀偏好，其他偏頗因素，如某些溶劑/試劑的可用性，和/或缺乏負(fù)面數(shù)據(jù)。這些發(fā)現(xiàn)，突出了為算法訓(xùn)練系統(tǒng)地生成可靠和標(biāo)準(zhǔn)化數(shù)據(jù)集的重要性。

參考文獻(xiàn)：

Wiktor Beker, Rafa? Roszak, Agnieszka Wo?os, Nicholas H. Angello, Vandana Rathore, Martin D. Burke, and Bartosz A. Grzybowski. Machine Learning May Sometimes Simply Capture Literature Popularity Trends: A Case Study of Heterocyclic Suzuki–Miyaura Coupling.?Journal of the American Chemical Society?Article ASAP DOI: 10.1021/jacs.1c12005

原文鏈接：

https://pubs.acs.org/doi/10.1021/jacs.1c12005

課題組宣傳推廣

本公眾號可免費(fèi)為國內(nèi)外院校及課題組提供宣傳、內(nèi)容包含不限于招牌信息、課題組最新研究進(jìn)展等，聯(lián)系小唯老師：17812574221