计算化学
计算化学(Computational Chemistry)是运用计算机程序与数值方法研究化学问题的分支学科,其研究对象包括原子与分子的性质、化学键的断裂与生成、反应途径与机理、凝聚相结构与相变等。它通常被理解为“使用已有的程序和方法解决具体化学问题”,而算法与程序的开发则多由理论化学家与理论物理学家完成,两者构成方法与应用的分工。[1]
两条腿:电子结构与大尺度模拟
计算化学的方法体系大致沿两条路线展开。第一条从量子力学出发,求解电子在原子核势场中的分布与能量,即电子结构计算;第二条从经典力学出发,把原子视为质点、把相互作用简化为力场,通过积分运动方程模拟体系随时间的演化,即分子动力学。前者能给出键能与反应能垒,精度高但体系小;后者能处理数十万乃至上亿原子,但对化学键的形成与断裂描述依赖参数化。[2]
按研究对象划分,其子领域包括原子和分子的计算机表述、化学信息的存储与检索、化学结构与性质关系的定量研究(如QSAR与QSPR)、基于作用力的结构理论阐释、计算机辅助化合物合成,以及计算机辅助分子设计——药物设计是其中最为人熟知的一支。[3]
在薛定谔方程上做近似
第一性原理方法(ab initio,又称全始算)指不引入任何经验参数、仅依据量子力学基本定律与基本物理常数求解薛定谔方程的方法。由于精确求解多电子体系在数学上不可行,实际计算必然引入近似,而这些近似通常来自严格的数学推导,例如采用更简单的函数形式或近似的积分方案。多数第一性原理计算采用波恩-奥本海默近似,把电子运动与原子核运动分离,先解电子结构、再处理化学动力学。[4]
电子结构计算通常用原子轨道线性组合构造基组,把薛定谔方程化为电子哈密顿量的本征值方程,其本征值是分子构型的函数,这一对应关系即“势能面”。最常见的近似是Hartree-Fock方法:每个电子在其余电子的平均势场中运动,却不知道这些电子的瞬时位置。由于电子靠得很近时仍无法相互规避,该方法高估了电子排斥,所得能量永远等于或高于真实能量;随着基函数增加,能量无限趋近Hartree-Fock极限,因此后续常需对电子的瞬时相关能作修正。[5]
密度泛函理论的引入是关键转折。它把复杂的电子相互作用简化为电子密度的函数,使超级计算机能够以可接受的代价模拟原子在晶格中的排布,从而把“求解薛定谔方程”从思想实验变成工程手段。也正因为如此,材料性质的预测得以在不做实验的情况下进行——理论上,只要解出方程,就能算出一种材料的所有性质,这就是第一性原理计算的含义:不依赖经验参数,仅凭量子力学推演现实。[6]
多尺度:2013年诺贝尔化学奖
2013年,马丁·卡普拉斯、迈可·列维特与阿里耶·瓦舍尔因“为复杂化学系统创造了多尺度模型”共同获得诺贝尔化学奖。这一工作的意义在于把不同精度的描述拼接起来:对反应中心用量子力学处理,对周围环境用经典力场处理,从而既能看清键的变化,又能容纳蛋白质、溶液等庞大环境。梁承志在介绍生物信息学时,也曾以这一年的化学奖作为引子,说明计算如何进入生命科学的核心。[7]
分子动力学模拟的典型步长是飞秒量级。以药物设计为例,若把致病蛋白比作晃动的“锁”、药物分子比作“钥匙”,静态比对只能判断钥匙能否塞进锁孔;而遵循牛顿力学、以飞秒为步长逐步计算成千上万个原子之间的键力、范德华力与静电引力,相当于架起一台“微观高速摄像机”,把分子与靶点的碰撞、结合拍成慢动作。借助超级计算机,药企可在数天内完成百亿级分子库的初筛与数十万个动态模拟任务,把原本数年的早期筛选周期压缩到数周甚至数天。[8]
算力把近似推到更大体系
计算化学的进展与算力提升高度绑定。2016年前后,中国科学技术大学合肥微尺度物质科学国家研究中心金龙课题组与合作者,针对数万原子分子固体体系的第一性原理计算模拟,在国产“神威·太湖之光”上实现了千万核超大规模并行,模拟体系规模比国际同等平面波精度的软件提高数百倍,成果发表于《科学通报》。[9]这类工作说明,大体系、长时间的高精度第一性原理模拟已从设想变为现实。
同样的算力也被用于产业侧。在新能源电池材料研发中,研究人员通过求薛定谔方程的近似解,在原子尺度上“搭积木”,同时开启成千上万个计算通道,算出不同原子排布下的离子迁移能垒与结构稳定性。在真正开炉烧制之前,计算已经替科研人员趟过大部分死胡同,直接圈出候选配方。[10]
与试管的分工
需要强调的是,计算化学并未取代实验。第一性原理的精度依赖于泛函与基组的选择,分子动力学的可靠性取决于力场参数,二者都可能系统性地偏离真实;体系越复杂,定量结果越难保证,能够给出的往往只是定性判断——抓住主要矛盾。[11]因此,计算的角色更像“漏斗”与“地图”:先用低成本方法把上亿种可能压缩到几十种,再交由实验验证;实验的结果又反过来校正模型。
这种分工改变了化学研究的节奏。在方法论上,它也带来一个副产品:每一次计算都会沉淀为可检索的数据,包括构型、能量、能带、反应路径。日积月累,这些数据本身就构成新的资源,可以被统计模型复用,用于在更大范围内估计尚未计算过的体系。计算化学因此不只是“一次算一个分子”的工具,而逐渐成为一门积累型、可累积的学科。爱迪生为寻找灯丝测试了六千多种材料的时代,依赖的是耐心与运气;今天的实验室里,一排排服务器机柜与通风橱并置,材料科学的核心逻辑正从“通过实验发现材料”转向“通过计算预测材料”。[12]计算化学所提供的,正是这一转变在分子层面的方法基础。
参考资料
- ↑ [科普中国-计算化学],科普中国资源服务。
- ↑ [科普中国-计算化学],科普中国资源服务。
- ↑ [科普中国-计算化学],科普中国资源服务。
- ↑ [科普中国-计算化学],科普中国资源服务。
- ↑ [科普中国-计算化学],科普中国资源服务。
- ↑ 为什么未来的超级材料诞生于代码而非试管,科普中国。
- ↑ “从实验生物学到计算生物学—生物信息学的过去、现在和未来”专题讲座成功举办,中国科学院文献情报中心。
- ↑ 在代码里预演世界:“天河”超算如何替我们追赶风雨、驯服原子?,科普中国。
- ↑ “神威·太湖之光”首次实现千万核并行第一性原理计算模拟,科普中国。
- ↑ 在代码里预演世界:“天河”超算如何替我们追赶风雨、驯服原子?,科普中国。
- ↑ 马斯克成世界首富,秘诀就在“第一性原理”?,科普中国资源服务。
- ↑ 为什么未来的超级材料诞生于代码而非试管,科普中国。