​漫谈计算化学

漫谈计算化学

原作者：聊城大学化学化工学院 李睿，本账号获授权代为发布。

说到计算化学，你会想到什么？晦涩难懂的薛定谔方程？繁冗复杂的公式推导？这可能是大多数化学专业的同学对计算化学的刻板印象。诚然，计算化学确实是建立在这些“公式”搭建的理论基础之上的，但是计算化学的研究内容可不止这些。

一般来说，计算化学是以物理以及数学的理论方法为基础，以计算机为工具，借助于计算软件，对与化学相关的现象、过程进行模拟，并进行数据与信息处理的一门学科。计算化学在更广泛的意义上又可称作“计算机化学”。它是化学、数学、计算机科学等学科交叉的新兴学科。

根据其理论基础以及方法，计算化学又可以分成若干个方向。

比如量子化学计算方向，它的理论基础是量子力学，像比较流行的密度泛函理论（DFT）就是属于这个方向。通过量子化学计算，我们可以得到电子的波函数，进而可以得到与电子相关的一些性质，比如分子轨道、能态密度等，此方法可以用来研究分子的电子结构，化学反应机理等。

而分子模拟方向的理论基础是经典力学，比如分子动力学（MD）模拟，就是利用分子力场，得到一定条件下体系的结构随时间的演化关系。通过MD模拟，我们可以得到体系中原子的运动轨迹以及微观细节，并且可以基于统计力学的知识获得想要的物理量，从而能够理解体系的性质和行为。

另外，还有单纯基于数学理论的计算化学方向，比如最近几年比较火的机器学习。这种方法是利用机器学习算法建立模型，通过读取大量的特征（features）以及目标（target）数据对模型进行训练，再利用训练好的模型对新的特征数据进行目标的预测（图1）。这种技术，能够从多维的、复杂的数据中提取有用的信息，不仅能够预测未知数据，还可以帮助研究人员进行数据分析。

图1. 机器学习方法用于预测电催化析氧过电位（iScience 2021, 24, 102398）

计算化学的这些研究方向，由于受到其方法的限制，它们的应用也是有一定范围的（图2）。比如考虑到计算资源及耗时，量子化学的研究对象只能是不太大的分子、团簇或晶体结构。分子动力学模拟由于不考虑电子的运动，其模拟的尺度要更大一些，采用全原子力场一般可以对上万个原子的体系进行纳秒量级的模拟。

而对于原子个数更多的体系，则可以利用一些简化的模型，比如粗粒化分子动力学模拟（CGMD），即把若干个原子或基团定义为一个粒子，并使其在粗粒化力场中运动，这样可以极大的节省计算资源，从而使得模拟的时间范围更长，体系尺度更大，能够达到微秒和微米的量级。

图2. 计算化学方法的应用范围

近年来，计算化学的方法和技术也在不断发展，朝着更精确，更快速的方向前进。

比如，有研究人员开发了多尺度模拟组合的方法（QM/MM），即在研究体系的核心区域进行量子化学计算，而周围的区域则利用分子力学处理，这种方法即保留了量子化学的精确性，又利用了分子力学的高效性。在2013年，三位科学家就是因为发展了这样的多尺度方法，而获得了诺贝尔化学奖（图3）。

图3. 2013年诺贝尔化学奖，获奖理由是“为复杂化学系统创立了多尺度模型”。（图片来源于网络）

随着计算机科技的不断进步，很多新的计算机硬件和软件技术都逐渐应用到了计算化学中，使得研究人员可以扩展研究的尺度,到达模拟的极限。

比如，D. E. Shaw 研究所（DESRES） 的研究人员利用其特制的超级计算机Anton3，已经可以对数百万原子的体系进行毫秒级的分子动力学模拟 (Doi: 10.1145/3458817.3487397) ，把分子动力学模拟带入了一个更广阔的疆域。

最近，伊利诺伊大学的研究人员在原子级的粒度上建立一个动态的细胞模型，并利用GPU加速技术，对其物理和化学特性进行了模拟（Cell 2022, 185, 345–360）。在强大的硬件和软件支撑下，相信未来的计算化学的研究体系会更接近真实体系，其研究能力和作用也会提升新的高度。

随着计算化学的发展，其在整个化学学科中的作用越来越重要，在实验化学研究中也越来越离不开理论计算的支持。

比如，在多相催化领域，为了预测材料的催化性能，理论学者们提出了描述符的概念。所谓的描述符，即体系的某种物理或化学性质，比如合金催化剂的d带中心（图4），研究人员通过量子化学计算发现其与材料的催化性能存在特定的关系。

图4. 催化剂的描述符以及高通量筛选（ACS Catal. 2020, 10, 2260−2297）

因此，通过计算模拟加上高通量筛选的方法，人们可以对催化剂进行前期的理论设计，从而能够提高后期实验的效率。在药物化学领域，计算化学的作用也不容小觑。在新药的开发中，大都用到了如分子对接、分子动力学模拟、3D-QSAR等计算模拟方法，它们不仅可以用来对药物进行高通量筛选，还可以用来研究药物与生物分子的作用机制。

计算化学是连接化学理论与实验的桥梁，是化学研究强有力的工具。随着信息化与大数据的时代的来临，可以预见，计算化学在未来的化学研究中一定会发挥更重要的作用。

导师简介

李睿，聊城大学化学化工学院副教授，硕士研究生导师。讲授课程《大学化学》、《计算化学基础》。2009年于山东大学获博士学位，2009-2011台湾中山大学从事博士后研究，2018年美国加州大学河滨分校访问学者。近年来主要从事与能源相关化学体系的理论与计算研究。以第一或通讯作者在“Appl. Surf. Sci.”, “Phys. Rev. B” 、“Phys. Chem. Chem. Phys.”等SCI国际期刊上发表论文二十余篇。作为项目负责人，主持完成国家自然科学基金青年项目一项、山东省自然科学基金青年项目一项，现主持山东省自然科学基金面上项目一项。作为团队参与人，多次获山东省高校科学技术奖以及聊城大学优秀成果奖。

招生专业：物理化学