КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер проекта 22-73-10124-П
НазваниеУсовершенствование надёжности методов моделирования химических реакций
Руководитель Медведев Михаил Геннадьевич, Кандидат физико-математических наук
Организация финансирования, регион Федеральное государственное бюджетное учреждение науки Институт органической химии им. Н.Д. Зелинского Российской академии наук , г Москва
Конкурс №5071 - Конкурс на продление сроков выполнения проектов, поддержанных грантами Российского научного фонда по мероприятию «Проведение исследований научными группами под руководством молодых ученых»
Область знания, основной код классификатора 03 - Химия и науки о материалах; 03-501 - Квантовая химия, математические методы в химии
Код ГРНТИ31.21.18
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Всё чаще исследования в области химии включают использование методов теоретической или вычислительной химии, которые заменяют дорогостоящие и длительные эксперименты дешёвыми расчётами и без которых, зачастую, невозможно установить механизмы и движущую силу химических процессов.
При поддержке квантовохимического моделирования было решено множество задач, таких как установка механизмов и ключевых электронных эффектов химических процессов, выбор оптимальных реагентов и катализаторов, поиск перспективных биологически активных соединений и установления природы наблюдаемых эффектов. Однако, регулярно возникающие новые задачи в химии и смежных науках требуют увеличения точности существующих инструментов и, в ряде случаев, разработки принципиально новых инструментов для их решения.
В рамках Проекта 2025 мы планируем продолжить работу над обоими ключевыми направлениями, которые мы разрабатывали в рамках Проекта 2022:
1. Разработка надёжных методов конформационного поиска для сложных химических систем и переходных состояний, в том числе с использованием методов машинного обучения (Гауссовы процессы).
2. Разработка новых методов теории функционала плотности, в том числе, на основе нейронных сетей.
Решаемые в рамках данного проекта задачи нацелены на создание пригодных к практическому использованию инструментов, которые позволят сделать результаты квантовохимического моделирования более точными и надёжными, что в свою очередь позволит применять методы вычислительной химии для решения более широкого круга фундаментальных и прикладных задач.
Ожидаемые результаты
В рамках данного проекта нами будут:
1. Усовершенствован единый метод конформационного поиска для сложных химических систем и переходных состояний (ПС). В частности, будет усовершенствован этап локализации ПС (пункт а). В рамках данного направления планируется получить следующие результаты:
a) Создан универсальный метод локализации переходных состояний и их оптимизации, использующий априорную информацию об изменяющихся в ходе реакции степенях свободы (межатомных расстояниях, валентных и торсионных углах) для направленного автоматического поиска путей реакции.
b) Метод систематического конформационного поиска с использованием инверсной кинематики распространён на молекулы с малыми циклами (3-6 членными) и, таким образом, может использоваться для конформационного поиска любых органических молекул.
c) Реализован метод Байесовской оптимизации для аугментации конформационных ансамблей циклических молекул с использованием физического информирования Гауссовских процессов об условии замыкания цикла.
d) Существующие методы активного обучения для проведения молекулярной динамики протестированы на предмет эффективности пересчёта энергий конформеров из низкого в высокий уровень теории на основании минимального количества квантовохимических расчётов.
2. Разработаны новые подходы к созданию методов теории функционала плотности, для чего будут:
a) Проведено тестирование различных функционалов DFT на умозрительных электронных плотностях и выявлен минимальный набор ингредиентов электронной плотности, необходимый для различения электронных плотностей, имеющих разные обменные энергии.
b) Проведена оценка точности воспроизведения энергий и спиновых плотностей различных спиновых состояний неинноцентных комплексов железа, отличающихся от представленных в стандартных обучающих наборах, различными функционалами DFT, включая разработанные нами в рамках Проекта 2022 (piM06-2X, piM06-2X-DL и PBE-2X).
c) Продолжены разработка и тестирование нейросетевого функционала NN-PBE. Итоговый функционал имплементирован в PySCF.
d) Разработан и протестирован новый нейросетевой функционал, использующий механизм внимания (Attention) для достижения нелокальности обменно-корреляционной энергии.
Все предполагаемые результаты находятся на переднем крае современной мировой науки. Решаемые в рамках данного проекта задачи являются насущными для квантовой химии, поэтому разработанные методы и полученные результаты будут широко востребованы в научном сообществе. Они позволят исследователям получать более точные результаты при моделировании химических реакций, а значит помогут и развитию химии в целом, в которой предварительное моделирование играет всё большую роль.
Созданные в рамках данного проекта методы и подходы упростят разработку новых поколений промышленных катализаторов и лекарственных препаратов, что, несомненно, будет иметь положительный экономический эффект.