[论文解读] Enhancing automated reaction discovery with boxed molecular dynamics in energy space

Rafael A. Jara‐Toro, Gustavo A. Pino+3 more|arXiv (Cornell University)|Oct 3, 2019

Machine Learning in Materials Science参考文献 103被引用 27

一句话总结

本文提出将Boxed eXtended Dynamics（BXDE）方法与AutoMeKin自动化反应发现框架相结合，以提升在复杂反应网络中检测中间体和过渡态的性能。通过在能量空间中应用BXDE，该方法找到的反应路径比标准AutoMeKin找到的路径更稳定约50 kcal/mol，且连接更密集，显著提高了α-蒎烯臭氧化反应中反应发现的效率和完整性。

ABSTRACT

The rare event acceleration method BXDE is interfaced in the present work with the automated reaction discovery method AutoMeKin. To test the efficiency of the combined AutoMeKin-BXDE procedure, the ozonolysis of a-pinene is studied in comparison with standard AutoMeKin. AutoMeKin-BXDE locates intermediates and transition states that are more densely connected with each other and approximately 50 kcal/mol more stable than those found with standard AutoMeKin. Other than the different density of edges between the nodes, both networks are scale-free and display small-world properties, mimicking the network of organic chemistry. Finally, while AutoMeKin-BXDE finds more transition states than those previously reported for O3 + a-pinene, the standard procedure fails to locate some of the previously published reaction pathways using the same simulation time of 2.5 ns. In summary, the mixed procedure is very promising and clearly outperforms the standard simulation algorithms implemented in AutoMeKin. BXDE will be available in the next release of AutoMekin.

研究动机与目标

• 提升复杂有机反应网络中自动化反应发现的效率与完整性。
• 解决标准AutoMeKin在有限模拟时间内难以定位关键中间体和过渡态的局限性。
• 测试将BXDE与AutoMeKin结合在O3 + α-蒎烯体系中发现反应路径的有效性。
• 评估混合的AutoMeKin-BXDE方法生成的反应网络是否具有类似于有机化学网络的结构特性。
• 证明BXDE相较于标准AutoMeKin，能更有效地发现已报道及新的反应路径。

提出的方法

• 将BXDE方法与AutoMeKin接口化，实现在能量空间中的增强采样，聚焦于罕见反应事件。
• BXDE在能量空间中施加盒势，将轨迹限制在势能面附近，从而提升对过渡态和中间体的采样效率。
• 采用2.5 ns的模拟时间探索反应坐标空间，通过能量约束加速罕见事件的发生。
• 基于识别出的中间体和过渡态构建反应网络，并进行拓扑分析以评估网络特性。
• 评估网络是否具有无标度和小世界特性，并与标准AutoMeKin结果进行对比。
• 以α-蒎烯的臭氧化反应作为基准反应，验证该方法的有效性。

实验结果

研究问题

• RQ1 将BXDE与AutoMeKin结合是否能显著提升在复杂反应网络中发现过渡态和中间体的能力？
• RQ2 AutoMeKin-BXDE生成的反应网络的拓扑特性（如无标度、小世界）与标准AutoMeKin相比有何差异？
• RQ3 AutoMeKin-BXDE在多大程度上恢复了以往报道的O3 + α-蒎烯反应路径，相较于标准AutoMeKin？
• RQ4 AutoMeKin-BXDE识别出的中间体和过渡态是否比标准AutoMeKin发现的更具热力学稳定性？
• RQ5 通过BXDE在能量空间中的增强采样，是否导致反应网络中反应节点的连接密度更高？

主要发现

• AutoMeKin-BXDE发现的中间体和过渡态比标准AutoMeKin发现的约稳定50 kcal/mol。
• AutoMeKin-BXDE生成的反应网络中，节点间的连接密度（边数）高于标准AutoMeKin。
• AutoMeKin-BXDE和标准AutoMeKin生成的网络均表现出无标度和小世界拓扑特性，与有机化学网络的结构相似。
• AutoMeKin-BXDE发现的过渡态数量多于以往报道的O3 + α-蒎烯体系中的数量。
• 在相同的2.5 ns模拟时间内，标准AutoMeKin未能定位到部分已发表的反应路径，凸显了BXDE集成的优势。
• BXDE方法即将被纳入AutoMeKin的下一个版本，表明其在自动化反应发现中具有广泛的应用潜力。