반경험적 양자 화학 방법

반경험적 방법은 가장 비용이 많이 드는 적분을 무시하거나 근사화하고 이를 데이터에 맞춰 조정된 매개변수로 대체하여 분자 궤도 계산 속도를 높입니다.

Definition

하트리-폭(Hartree-Fock) 프레임워크를 유지하지만 경험적 데이터를 사용하여 선택된 적분을 매개변수화하거나 생략함으로써 비용을 대폭 절감하는 근사 분자 궤도 방법입니다.

Scope

반경험적 방법을 정의하는 적분 근사 체계, MNDO, AM1, PM3를 포함하는 이원자 미분 중첩 무시(NDDO) 계열, 최근의 재매개변수화 및 강결합 밀도 함수 접근 방식, 그리고 정확성, 전이성 및 속도 간의 절충점을 다룹니다.

Core questions

• 어떤 적분들이 무시되거나 매개변수화되며, 이것이 왜 그렇게 많은 비용을 절감하는가?
• 반경험적 매개변수는 어떻게 결정되며 어떤 참조 데이터에 맞춰 조정되는가?
• 주요 NDDO 방법들은 범위와 정확성 면에서 어떻게 다른가?
• 반경험적 방법은 언제 성공하고 언제 실패하는가?

Key theories

미분 중첩 무시

작은 중첩 의존 적분을 체계적으로 버려 두 전자 적분의 수를 4차에서 관리 가능한 수로 줄여 매우 빠른 계산을 가능하게 합니다.

적분의 경험적 매개변수화

유지된 적분은 실험적 특성 또는 더 높은 수준의 계산에 맞춰 조정된 매개변수 표현식으로 대체되어 상관 관계 및 기타 효과를 암묵적으로 인코딩합니다.

Clinical relevance

반경험적 방법은 매우 큰 분자의 양자 화학적 처리, 형태 탐색 및 고속 스크리닝을 가능하게 하며, 다중 스케일 및 기계 학습 파이프라인 내에서 빠른 엔진 역할을 합니다.

History

휘켈(Hückel) 및 파리저-파-포플(Pariser-Parr-Pople) 이론에 뿌리를 두고 있으며, NDDO 계열은 듀어(Dewar)의 MNDO 및 AM1, 스튜어트(Stewart)의 PM3 및 이후의 PMx 매개변수화, 그리고 적용 범위와 정확성을 넓히는 현대적인 강결합 밀도 함수 방법을 통해 발전했습니다.

Key figures

• Michael Dewar
• James Stewart
• Walter Thiel
• Rudolph Pariser

Seminal works

• dewar1985
• thiel2014

Frequently asked questions

반경험적 결과는 신뢰할 수 있는가?

훈련 데이터와 유사한 시스템, 특히 유기 분자에 대해서는 합리적으로 정확하지만, 특이한 결합에는 실패할 수 있으며, 그 오류는 체계적인 비경험적 계층의 오류보다 예측하기 어렵습니다.

비경험적 방법보다 얼마나 빠른가?

대부분의 두 전자 적분을 무시함으로써 반경험적 방법은 일반적으로 몇 배 더 빠르며, 수천 개의 원자를 가진 분자를 양자 역학적으로 처리할 수 있게 합니다.