JCIM日本科学家对2亿多分子进行电子结

文章简介

作者采用PM6方法计算了分子几何优化构型和电子性质，计算基数为PubChemCompounds（截止年8月29日的数据）的9,万个分子的94%分子。除了中性状态的分子，作者还计算了56.2%的阳离子状态、49.7%的阴离子状态和41.3%的自旋翻转状态的分子。因此，作者采用PM6方法计算的分子总数达2.21亿个。作者对比了万个分子的PM6法和B3LYP/6-31G*法的几何优化构型结果，键长和键角的标准差分别为0.和1.7°；并对两种方法的HOMO能级和LUMO能级进行线性回归分析，得出HOMO能级关系为EB3LYP(HOMO)=0.EPM6(HOMO)+1.（eV），计算确定的系数为0.；LUMO能级关系为EB3LYP(LUMO)=1.EPM6(LUMO)–0.42（eV），计算确定的系数为0.。作者还生成了4个子数据集，每个子集中的分子质量都低于，子集一包含C、H、O、N四个元素，子集二包含C、H、N、O、P、S六个元素；子集三包含C、H、N、O、P、S、F、Cl八个元素；子集四包含C、H、N、O、P、S、F、Cl、Na、K、Mg、Ca十二个元素。

背景介绍

随着有机薄膜太阳能电池、电发光材料、有机非线性光学材料、分子传感器和创新药的开发和发展，新的有机分子的发现越来越重要。太阳能电池的化学性质如激发能、最高占据分子轨道（HOMO）与最低未占据分子轨道（LUMO）的能隙等非常重要，而量子化学从头计算法不需要昂贵的物理或化学实验就可以精确预测化学性质。遗憾的是，这种量子化学计算方法的计算费用虽然已经降低很多，但对于研究分子化合物的化学空间来说仍然太慢。根据Lipinski成药性规则，目前候选药物预计已达到个，数量相当庞大。机器学习被证实能弥补量子化学计算方法缺陷，该方法在过去十年已经广泛应用于分子和固体研究，尤其是深度学习，已经引起相当大的