虚拟化学

计算化学迅速发展,提高我们理解世界的能力。这一进步引发了争论,然而,我们应该如何使用它来回答不同的问题,特别是考虑到竞争的力量在起作用。

例如,之间有一个权衡精度和速度,导致有时有争议的妥协。大多数这些争议围绕近似最适合给定类型的系统——糟糕的选择可能会导致错误或误导的结果。另一个挑战是获得深刻的理解之间的平衡的基本细节为特定的系统和广泛,基于数据的方法可以普遍到不同的应用程序。在某些情况下,这被视为让好奇心与工业的实际的目标。

然而进步依赖于一个对话的社区寻求方法开发和那些专注于应用程序。理想情况下,应用程序应该驱动方法开发,鼓励开发人员向目标应用程序的高利息,而应用社会应利用尖端工具充满知识的局限性。

精度和速度

尽管越来越多的计算机能力,计算化学仍然是一个妥协之间得到一个准确的答案,一个快速的答案。找到平衡往往取决于系统——系统的规模变大,必须引入近似,贸易对速度精度。

小分子可以治疗严格使用高级量子力学波函数方法定量地获得准确的几何形状和相对能量。这很快就会变得过于繁重的较大的分子,因此不需要计算方法如密度泛函理论(DFT)必须使用。DFT是基于严格的理论和具体原则,但它依赖于近似数量称为电子exchange-correlation功能。通常这个近似涉及使用参数拟合能量,有时分子数据集的几何图形。因此,每个功能往往适合系统类似的数据集。发现功能,适用于所有类型的分子将是一个重要的一步。另一种方法是开发基于函数波方法计算驯良的大系统。

我们从来都不是完全满意,我们总是会扩大我们的目标计算能力的限制

蛋白质规模上升,膜,甚至整个细胞,类似的必须做出妥协。¹这些分子有更大的空间构象,并试图找到最稳定状态大势能表面引入了表面的准确性之间的竞争和我们如何广泛探索构象空间。较小的生物分子可以用DFT等方法,但更大的生物系统通常处理更近似分子力学力场。需要更大的系统,粗粒化,从原子水平的描述考虑组织的原子或分子,在某些情况下,连续治疗系统的某些部分。

类似的层次结构存在于模拟复杂的材料。固体和表面可以用DFT方法利用周期性。模拟固液界面通常需要显式地处理溶剂分子和离子,以及会计的影响相关的应用潜力和电场对电化学过程。在某些情况下,microkinetic建模用于包括影响如流和扩散结合相关的化学反应。

深度与广度

还有讨论的类型我们努力获得答案。上述方法可以用来阐明特定反应的详细机制,有助于解释实验数据和实验证明。例如,最近的一项研究预测~ 300 mV转变proton-coupled电子转移反应的氧化还原电位在benzimidazole-phenol二分体²当苯并咪唑amino-substituted。分子合成,实验验证了预测。这些预测的研究逐渐增加理论的化学界的信任。此外,这些计算生成设计原则开发分子,生物,或带有指定属性的材料系统。³

另一种方法是生成和分析大量的数据。这种方法通常是不太关心理解基本的物理原理,而是侧重于产生实效。例如,可以使用虚拟筛选与描述符指定设计系统所需的属性。机器学习是另一个强大的工具,可用于基于模式识别的设计系统。对于这两种方法,成功取决于选择的描述符,与多个描述符和一个机械的解释是具有挑战性的。领域的生物学,生物信息学已被用于设计蛋白质利用信息包含在蛋白质数据库中。

计算化学家必须平衡所有这些注意事项:问题被提出,水平的准确性,系统的大小,可用的计算资源。

随着越来越多的计算机能力可用,我们可以用更大的目标更大的系统精度。这种移动目标意味着我们从来都不是完全满意,我们总是会扩大我们的目标将可用的计算机能力的极限。随着领域的发展,雄心勃勃的应用程序将激发创新方法论进步,进而将使应用程序推进前沿。

沙龙Hammes-Schiffer伊利诺伊大学的化学教授,厄在美国