通过多参考量子模拟、遗传算法和机器学习生成新的配位化合物：Co(II) 分子磁体的案例研究
材料科学
2025-04-21 v1 神经与进化计算
化学物理
计算物理
摘要
具有目标属性的配位化合物的设计通常需要数年的持续反馈循环在理论、模拟和实验之间进行。对于磁性分子而言，这种传统策略确实导致了单分子磁体的突破，工作温度超过氮的沸点，但以巨大的资源和时间成本为代价。这里，我们提出一种能够加速发现具有所需电子和磁性属性的新型配位化合物的计算策略。我们的做法基于高通量多参考 ab initio 方法、遗传算法和机器学习的组合。虽然遗传算法允许对可用的化学空间进行智能抽样，机器学习通过预先筛选分子属性来降低计算成本，避免其准确和自动化的多参考 ab initio 表征。重要的是，所呈现的框架能够生成新的有机配体并探索 pre-existing 结构数据库中不可用的化学构型。我们通过在时间成本低于实验或粗糙 ab initio 方法所需的几分之一时间内自动生成新的 Co(II) 单核配位化合物，展示了这一方法的强大功能。
引用
@article{arxiv.2504.13749,
title = {Generating new coordination compounds via multireference simulations, genetic algorithms and machine learning: the case of Co(II) molecular magnets},
author = {Lion Frangoulis and Zahra Khatibi and Lorenzo A. Mariano and Alessandro Lunghi},
journal= {arXiv preprint arXiv:2504.13749},
year = {2025}
}