自量子力学有机化学实战系列文章发布以来,我们收到了读者很多反馈。本文就其中关注度最高的九个问题做出相应解答。汇总如下:
Gaussian、Gamess 和 ORCA 是有机化学家常用的计算软件。药明康德为我们提供了Spartan软件的使用权,它使用Q-Chem作为计算引擎。
目前我们使用𝛚B97X-D/6-31G*这一计算级别。这个组合在计算速度与准确度之间达到一个平衡,能够满足有机化学家日常应用需求。
我们尝试搜索可能对有机化学家有用的QM实战教科书,但很遗憾并未找到。因此,我们的化学家们觉得有必要分享他们在工作中学习到的实用QM知识。截止2022年5月,QM工作小组已完成37篇文章的编辑发布。前28章内容已汇编成册,您可以在这里免费查阅各章节内容、下载电子书(量子力学在有机化学上的应用,第二版)。我们正在进行第三版中文电子书的编辑工作(涵盖已发布三十余篇章节),相信很快可以与大家见面!
我们从对工作中的反应进行回顾性分析开始,尤其是那些无法直观地正确预测的具有挑战性的反应。我们优化方法,开发计算标准流程,并将QM变成一种前瞻性工具。我们讨论并且相互传授我们学习到的东西,共同成长与进步。
QM (Quantum Mechanics) 专注于物理现实,可以考察每种底物、每种试剂的特性。ML (Machine Learning) 侧重于数据,统计平均值。目前,在直观地做出正确的前瞻性分析有困难的情况下,QM提供了更好的指导,并且在反应性差异的回顾性分析中更有用。随着QM被纳入机器学习,我们预计化学ML工具将继续改进。
文献报道的计算方式对分析解决实际工作中的问题帮助有限。药明康德的化学家致力于开发实用的分析方法。我们将此项工作交给在有机知识和计算知识储备都较为丰富的同事,并鼓励每个人都去学习。随着不断研究感兴趣的化学反应,我们的分析能力在不断增强。QM的计算方法以及算力的发展非常快,化学反应也在不断推陈出新。随着时间的推移,我们不断思考和践行“计算什么、如何计算、如何解释结果、如何改进方法”,并定期复盘。这是一个终身学习的历程。
我们为不同的反应类型建立分析SOP,通过计算必需的参数去分析解决问题。所需时间从仅仅几分钟的分子轨道计算及静电势图分析,到需数小时的反应能量分布、过渡态计算等等。已有可访问的包含预先计算好的大量有机分子特性的QM数据库非常有用。
QM计算高度依赖于CPU的算力,因此我们一般在具有8核及以上的台式机上运行。这样的一个硬件配置并不昂贵。人们在计算的成本和时间、人工、试剂和废物处理的成本之间的考量,QM计算正成为一种有价值的资源优化且绿色的化学工具。
如有特定化学计算需求,请发送电子邮件至 IDSU_Operation@wuxiapptec.com
本文由王秋月、王健、卫小文编撰。
References:
[1] L. Talirz, L.M. Ghiringhelli, B. Smit, Living Journal of Computational Molecular Science, 2021, 3(1), 1483.
[2] a) R. Peverati, Int. J. Quantum Chem. 2021;121:e26379 b) L. Goerigk, N. Mehta, Aust. J. Chem. 2019, 72, 563.
[3] a) F. Strieth-Kalthoff, F. Sandfort, M.H.S. Segler, F. Glorius, Chem. Soc. Rev., 2020, 49, 6154. b) Y.F. Guan, C.W. Coley, H.Y. Wu, A. Ranasunghe, E. Heid, T.J. Struble, L. Pattanaik, W.H. Green, K.F. Jensen, Chem. Sci., 2021, 12, 2198.
[4] https://www.davidparkins.com
[5] a) Spartan Spectra and Physical Properties Database: https://www.wavefun.com b) QM7-X: J. Hoja, L.M. Sandonas, B.G. Ernst, A. Vazquez-Mayagoitia, R.A. DiStasio Jr, A. Tkatchenko, Sci Data, 2021, 8, 43.