晶体结构预测的大规模参数估计. 第1部分:数据集,方法和实施
D H Bowskill1, B I Tan1, A Keates2
1Department of Chemical Engineering, Sargent Centre for Process Systems Engineering and Institute for Molecular Science and Engineering, Imperial College London, London SW7 2AZ, U.K.
Journal of chemical theory and computation
|November 12, 2024
概括
这项研究引入了一个新的数据库和算法,以改进晶体结构预测 (CSP) 的混合ab initio/实证力场 (HAIEFF) 模型. 这些进步解决了力场参数化的瓶,提高了多态稳定性分析的准确性.
科学领域:
- 计算化学的计算化学
- 材料科学 材料科学 材料科学
- 晶体学 晶体学是指结晶学.
背景情况:
- 晶体结构预测 (CSP) 对于识别稳定的多态体至关重要.
- 混合的初始/实证力场 (HAIEFF) 模型为CSP提供了准确性和计算成本的平衡.
- 目前用于装配HAIEFF模型的实证力场元件的方法是低效和有限的,阻碍了进步.
研究的目的:
- 克服HAIEFF在CSP模型开发中的障碍.
- 创建一个可靠的数据集,以适应力场参数.
- 开发一种高效的算法,用于CSP力场中的大规模参数估计.
主要方法:
- 使用高质量的DFT-D计算策划了755个有机晶体结构的数据库.
- 开发了CrystalEstimator,一种用于力场参数估计的新算法.
- 在大规模问题上测试了CrystalEstimator,使用445个结构的数据适应多达62个参数.
主要成果:
- 精心策划的数据库提供了各种适合参数拟合的几何和能量数据.
- 晶体估计器证明了对大规模参数估计的高效处理,超越了以前的限制.
- 开发的方法大大超过了之前的CSP力场参数化工作的规模.
结论:
- 新的数据库和CrystalEstimator程序为HAIEFF模型开发提供了坚实的基础.
- 这些进步预计将大大提高CSP中HAIEFF模型的准确性.
- 这项工作为更准确地预测多态稳定性铺平了道路.


