[论文解读] AutoMeKin2021: An open-source program for automated reaction discovery

Emilio Martínez‐Núñez, George L. Barnes+9 more|arXiv (Cornell University)|May 7, 2021

Mass Spectrometry Techniques and Applications被引用 1

一句话总结

AutoMeKin2021 是一款开源软件包，用于自动化发现反应机理，整合了罕见事件分子动力学、基于图论的过渡态检测、化学知识规则以及键级时间序列分析。它能够实现高通量、自动化的复杂反应网络探索，结合增强采样与统计分析，显著提升了在各类化学体系中检测意外或非共价路径的能力。

ABSTRACT

AutoMeKin2021 is an updated version of tsscds2018, a program for the automated discovery of reaction mechanisms (J. Comput. Chem. 2018, 39, 1922-1930). This release features a number of new capabilities: rare-event molecular dynamics simulations to enhance reaction discovery, extension of the original search algorithm to study van der Waals complexes, use of chemical knowledge, a new search algorithm based on bond-order time series analysis, statistics of the chemical reaction networks, a web application to submit jobs, and other features. The source code, manual, installation instructions and the website link are available at: https://rxnkin.usc.es/index.php/AutoMeKin

研究动机与目标

• 开发一种自动化、可扩展的框架，用于发现超越传统人工方法的复杂反应机理。
• 通过整合分子动力学轨迹中的反应事件检测，克服传统过渡态搜索的局限性。
• 将自动化机理发现扩展至范德华作用复合物与非共价相互作用体系。
• 通过整合化学知识、键级时间序列分析与统计网络表征，提升效率与准确性。
• 提供用户友好的、基于网页的平台，支持任务提交与可复现的计算化学工作流。

提出的方法

• 采用短时反应分子动力学（MD）模拟，并通过自适应振动能量放置触发反应事件。
• 利用图论通过基于原子间距离与共价半径关系的邻接矩阵表示分子结构。
• 采用键断裂/形成检测标准（公式 2），当非邻接原子变为最近邻时识别反应事件。
• 基于键级时间序列分析实现新型搜索算法，从MD轨迹中检测过渡态。
• 通过BXDE方法实现罕见事件加速，增强对罕见反应事件的采样能力。
• 利用NetworkX构建并分析化学反应网络，实现对路径与能垒的统计表征。

实验结果

研究问题

• RQ1 能否通过MD快照的自动化过渡态检测可靠地揭示复杂且非直观的反应机理？
• RQ2 键级时间序列分析在多个共价键同时变化的体系中，识别过渡态的效率如何？
• RQ3 整合化学知识在多大程度上可提升所发现机理的准确性和相关性？
• RQ4 如BXDE等罕见事件采样技术能否显著提升高能垒或低概率路径的发现能力？
• RQ5 反应网络的统计特性（如连通性、分支性）与机理复杂性及选择性之间存在何种关联？

主要发现

• AutoMeKin2021 成功识别了如质子化尿嘧啶等复杂体系中的过渡态，高阶路径揭示了涉及带电碎片的解离路径。
• 键级时间序列方法可有效检测多键形成/断裂反应中的过渡态，提升了检测的鲁棒性。
• 通过整合BXDE罕见事件方法，显著减少了观测高能垒反应所需的时间，实现了对罕见事件的高效采样。
• 利用NetworkX对反应网络进行统计分析，揭示了分支点与动力学瓶颈等结构特征，有助于机理解释。
• 基于网页的应用程序与Singularity容器化部署，实现了跨多样化计算环境的可复现、可扩展且易于访问的任务提交。
• 支持Entos Qcore84，可高效执行半经验与高阶计算，已在如芘 + NO₂与质子化尿嘧啶等体系中成功应用。