利用遗传算法从量子化学计算参数化分子力学力场的方法论：以甲醇为例
原子与分子团簇
2016-07-19 v2 化学物理
定量方法
摘要
在分子动力学 (MD) 模拟中，力场决定了单个模型捕捉物理和化学性质的能力。生成力场形式适当参数的方法是化学、生物化学和凝聚态物理计算研究的关键组成部分。我们的研究表明，仅利用量子化学信息，通过特定问题的力场预测甲醇实验凝聚相性质（即密度和汽化热）是可行的。为了获得令人满意的力场参数集，遗传算法 (GA) 是主要的优化方法。对于静电势能，我们使用 GA 方法优化了甲醇的静电参数，这使得量子力学 (QM) 计算与 GA 优化参数之间的偏差较低。我们通过校准各种甲醇同核团簇（如九聚体、十一聚体或十三聚体）的相互作用能，分别使用 GA 和引导 GA 方法优化了范德华 (vdW) 参数。QM 计算（即 MP2）的训练数据集与 GA 优化参数之间可以达到极好的一致性。然而，只有引导 GA 方法（其在优化过程中消除了 MP2 计算对相互作用能的高估）才能为 MD 模拟提供适当的 vdW 参数，从而获得甲醇的凝聚相性质（即密度和汽化热）。在整个优化过程中，实验值未涉及目标函数，仅用于验证模型（即九聚体、十一聚体或十三聚体）和方法（即 GA 或引导 GA）。我们的方法展示了仅使用 QM 计算开发描述性极化力场的可能性。
引用
@article{arxiv.1607.04188,
title = {Methodology of Parameterization of Molecular Mechanics Force Field From Quantum Chemistry Calculations using Genetic Algorithm: A case study of methanol},
author = {Ying Li and Hui Li and Maria K. Y. Chan and Subramanian Sankaranarayanan and Benoît Rouxb},
journal= {arXiv preprint arXiv:1607.04188},
year = {2016}
}
备注
not submitted to anywhere else by July 2016