Aceleración de la búsqueda de isómeros de cúmulos de carbono mediante potencial de aprendizaje automático

Área de la Ciencia:

• Ciencia de materiales computacional
• Química cuántica

Sus antecedentes:

• Exploración de las jaulas C22 trivalentes utilizando el potencial de aproximación gaussiana (GAP-20) y la teoría de la funcional de la densidad (DFT).
• GAP-20 acelera la aproximación del paisaje energético y proporciona estructuras iniciales para la optimización DFT.
• Las limitaciones de GAP-20 incluyen la incapacidad de capturar la distorsión de Jahn-Teller y predicciones de energía/vibración inexactas.

Objetivo del estudio:

• Investigar las propiedades estructurales y vibracionales de las jaulas C22 trivalentes.
• Evaluar el rendimiento de GAP-20 en la aproximación del paisaje energético para las jaulas C22.
• Refinar la caracterización estructural y vibracional utilizando DFT.

Principales métodos:

• Optimización por enjambre de partículas a través del paquete CALYPSO para explorar el espacio de configuración.
• Cálculos de energía y fuerza utilizando QUIP/LAMMPS con GAP-20, seguidos de relajación de gradiente conjugado.
• Optimización DFT (B3LYP/6-31+G*) y análisis vibracional utilizando NWChem para una caracterización precisa.

Principales resultados:

• GAP-20 proporciona una exploración estructural inicial eficiente pero sobreestima las energías relativas.
• GAP-20 no modela con precisión las distorsiones de Jahn-Teller en las jaulas C22.
• Los cálculos de DFT son esenciales para la determinación precisa de las frecuencias estructurales y vibracionales.

Conclusiones:

• Si bien GAP-20 es una herramienta útil para la selección inicial, la DFT es indispensable para el análisis preciso de las propiedades de las jaulas C22.
• La distorsión de Jahn-Teller es un factor crítico que no es capturado por GAP-20.
• El análisis vibracional preciso confirma la necesidad de DFT para predecir la estabilidad y los espectros infrarrojos.