Mendelevium
Diary
Drug Design
Field Knowledge
Academia
Yang
Biology
Physics
Free Energy
Machine Learning & AI
Active Learning
Basics
Boltz-2
Data
Generation
Interpretability
QSAR application
Representations
Mol2Image
Workflow & Agent
Molecular Dynamics
FF & Algorithm
Small Molecule
martini
water
Interaction
Modeling & Tools
QM
Sampling & Analysis
Allostery
Fundamental
Other
Specific Sytems
Enzyme Engineering
Fiber & LLPS
Membrane
orientation_penetration
Metal
Nano Polymers
Skin Permeation
Techniques
Linux
Python
Research
Web
about
Home
Contact
Copyright © 2025 Xufan Gao | Academic Research Blog
Home
>
Field Knowledge
>
Academia
> Yang
A Bunch of Biophysics is Loading ...
Yang
威斯康星大学麦迪逊分校Yang Yang研究组工作总结:CNEO理论及其应用
威斯康星大学麦迪逊分校Yang Yang 研究组工作总结:CNEO理论及其应用 基本信息 Yang Yang(杨阳) 单位:University of Wisconsin-Madison Theoretical Chemistry Institute Department of Chemistry 邮箱:yyang222@wisc.edu 研究领域:理论化学、多组分量子化学、核量子效应、质子转移反应 核心贡献:开发约束核电子轨道(Constrained Nuclear-Electronic Orbital, CNEO)理论 2026年2月17日,美国斯隆基金会(Alfred P. Sloan Foundation)公布2026年度斯隆研究奖(Sloan Research Fellowships)获奖名单,共126位青年科学家当选。该奖项被誉为”诺奖风向标”,自1955年设立以来,已有59位获奖者后续获得诺贝尔奖,72位获得美国国家科学奖章,17位获得数学界”诺贝尔奖”菲尔兹奖。 每位获奖者将获得7.5万美元奖金,用于在未来两年内支持其研究工作。获奖者覆盖7个领域:化学、计算机科学、地球系统科学、经济学、数学、神经科学和物理学。 化学学科获奖者中包括多位华人学者: Yang Yang(威斯康星大学麦迪逊分校):研究理论化学与核量子效应,开发的CNEO(约束核电子轨道)理论为氢相关过程提供了高效准确的理论方法 Yayuan Liu(约翰斯·霍普金斯大学):专注于电化学和能源存储材料研究 Tina Wang(威斯康星大学麦迪逊分校):专长于蛋白质工程与定向进化 核心贡献:CNEO理论框架 理论背景与动机 在传统量子化学方法中,基于Born-Oppenheimer近似,原子核通常被当作经典粒子处理。然而,这一近似在处理轻原子核(特别是氢)时面临严重挑战: 核量子效应(Nuclear Quantum Effects, NQEs)包括: 零点能(Zero-Point Energy, ZPE):即使在绝对零度,量子核仍具有振动能 量子离域化(Quantum Delocalization):核不再位于固定位置,而是以概率分布存在 量子隧穿(Quantum Tunneling):粒子可以穿越经典力学禁止的势垒 这些效应在氢键、质子转移、酶催化等过程中起关键作用。例如: 水中的反常高质子迁移率 酶中的低势垒氢键(Low-Barrier Hydrogen Bonds, LBHBs) 氢原子转移反应中的显著动力学同位素效应(Kinetic Isotope Effects, KIEs) CNEO的核心思想 CNEO理论基于一个关键的物理洞察:虽然量子核具有类似于电子的空间离域化密度分布,但它们的密度分布要局域得多。基于这一物理事实,CNEO通过用量子波函数描述某些核(如质子),并用核期望位置表示这些核的经典位置,然后在Lagrangian中引入约束条件固定核的期望位置,最终通过最小化包含约束的总能量得到CNEO能量曲面。 这使得CNEO能够同时描述核的量子性和经典性,生成包含核量子效应的有效势能面,同时保持与传统电子结构方法相当的计算效率。 数学表述 在多组分量子化学框架下,CNEO的能量函数为: \[E_{\text{CNEO}} = \langle \Psi_{\text{elec}} \Psi_{\text{nuc}} | \hat{H} | \Psi_{\text{elec}} \Psi_{\text{nuc}} \rangle\] 其中: $\Psi_{\text{elec}}$ 是电子波函数 $\Psi_{\text{nuc}}$ 是选定量子核(通常是质子)的波函数 $\hat{H}$ 是多组分Hamiltonian 约束条件:固定量子核的期望位置 \(\langle \Psi_{\text{nuc}} | \hat{\mathbf{R}}_p | \Psi_{\text{nuc}} \rangle = \mathbf{R}_p^0\) Lagrangian: \(\mathcal{L} = E_{\text{CNEO}} - \sum_p \lambda_p \left( \langle \Psi_{\text{nuc}} | \hat{\mathbf{R}}_p | \Psi_{\text{nuc}} \rangle - \mathbf{R}_p^0 \right)\) 通过变分原理求解,得到包含核量子效应的有效势能面。 主要研究方向与成果 1. CNEO-DFT:理论基础与实现 Yang Yang课题组开发了CNEO-DFT的解析能量梯度和Hessian,使得在包含核量子效应的能量曲面上进行结构优化、准确预测振动频率(特别是涉及氢原子的模式)以及进行CNEO分子动力学模拟成为可能。 计算特点 特性 说明 计算成本 与传统DFT同量级,额外开销通常小于20% 量子核处理 仅对选定质子进行量子化,其余原子核保持经典处理 实现与软件 共享质子体系采用修改版PySCF;QM/MM分子动力学由GROMACS完成 性能表现 在一系列分子的振动频率计算中,CNEO-DFT显著优于传统DFT: 测试系统以共享质子体系为主,包含11个[A·H⁺·B]型复合物与5个[A·H⁺·A]型复合物(共16个)。 测试结果显示CNEO-DFT在质子转移振动模式上显著优于传统DFT,且是否加入电子-质子相关泛函会明显影响精度: 体系 DFT MAE CNEO/no-epc MAE CNEO/epc17-2 MAE CNEO/epc17-1 MAE [A·H⁺·B] 452 $\mathrm{cm^{-1}}$ 123 $\mathrm{cm^{-1}}$ 139 $\mathrm{cm^{-1}}$ 443 $\mathrm{cm^{-1}}$ [A·H⁺·A] 170 $\mathrm{cm^{-1}}$ 56 $\mathrm{cm^{-1}}$ 42 $\mathrm{cm^{-1}}$ 166 $\mathrm{cm^{-1}}$ 2. 质子转移反应的应用 共享质子系统(Shared-Proton Systems) 研究对象涵盖11种[A·H⁺·B]型二元复合物: 包括Zundel离子($\ce{H2O}$·H⁺·$\ce{H2O}$,即$\ce{H5O2+}$) 以及其他体系(A、B = $\ce{NH3}$、$\ce{CO2}$、Ar、MeOH、EtOH、Me₂O、Et₂O等) 关键发现表明CNEO-DFT在质子转移模式(PTM)频率预测方面显著改善,能够同时处理对称与非对称共享质子体系。 以$\ce{H2O–H+–NH3}$为例,实验光谱中PTM峰位在2649 $\mathrm{cm^{-1}}$,CNEO-DFT(no-epc与epc17-2)能够准确捕捉该峰位,而传统DFT与epc17-1明显高估该频率。对于[A·H⁺·A]型体系,PTM频带主要集中在600–1100 $\mathrm{cm^{-1}}$范围内,CNEO-DFT(no-epc或epc17-2)的平均误差约50 $\mathrm{cm^{-1}}$,而DFT与epc17-1的误差通常超过150 $\mathrm{cm^{-1}}$。 双质子转移:甲酸二聚体(Formic Acid Dimer, FAD) 研究方法包括CNEO-MD模拟、机器学习辅助自由能面构建以及通量–侧相关函数计算透射系数。 关键结果(单位来自原文表格,速率为$\mathrm{ps^{-1}}$): 指标 DFT(200 K) CNEO-DFT(200 K) DFT(400 K) CNEO-DFT(400 K) 自由能垒 8.77 $\mathrm{kcal/mol}$ 3.51 $\mathrm{kcal/mol}$ 9.75 $\mathrm{kcal/mol}$ 3.82 $\mathrm{kcal/mol}$ TST速率 $8.83\times10^{-9}$ 0.0044 $1.37\times10^{-4}$ 0.23 校正速率 $7.18\times10^{-9}$ 0.0034 $1.03\times10^{-4}$ 0.15 此外,静态势垒从8.20 $\mathrm{kcal/mol}$(DFT)降至2.70 $\mathrm{kcal/mol}$(CNEO-DFT)。CNEO-DFT显著降低了有效势垒并提高速率,同时由于量子离域化导致的再交叉效应更明显,需要通过通量–侧相关函数修正。 2.3 氢原子转移反应:CNEO-TST 研究对象: $\ce{D + H2 -> DH + H}$与$\ce{H + D2 -> HD + D}$ $\ce{CH4 + OH -> CH3 + H2O}$与$\ce{CD4 + OH -> CD3 + HDO}$ 方法创新:CNEO过渡态理论(CNEO-TST) 使用CNEO最小化能量面(包含ZPE和浅隧穿效应) 结合传统TST框架计算速率常数 性能比较(以$\ce{CH4 + OH}$为例,Arrhenius活化能$E_a$,单位为$\mathrm{kcal/mol}$): 300 K 实验 DFT-CTST(标准因子) CNEO-TST CNEO-TST(epc17-2) $E_a$ 3.7 5.0 4.2 3.9 下图给出$\ce{H + D2 -> HD + D}$反应的Arrhenius曲线,展示CNEO‑TST与CNEO‑CVT在宽温区内对实验速率的跟踪效果。 动力学同位素效应(KIE): 在$\ce{CH4 + OH}$与$\ce{CD4 + OH}$体系中,CNEO-TST在不做经验缩放的情况下即可给出与实验较接近的KIE,但仍有轻微低估 传统CTST在该体系中表现良好主要依赖误差抵消,难以保证可迁移性 下图为$\ce{CD4 + OH -> CD3 + HDO}$反应速率常数对比,用于评估同位素反应的动力学表现。 计算成本: 依托CNEO-DFT构造能量面,整体开销与传统DFT-TST同量级 相比路径积分方法更经济,适合批量反应速率评估 3. CNEO-QM/MM:走向复杂系统 方法设计 嵌入方案采用静电嵌入,QM区用CNEO-DFT处理并包含关键质子,MM区用经典力场处理环境,QM区的电子密度受MM区点电荷影响。 总能量表达式为: \(E_{\text{total}} = E_{\text{CNEO-QM}} + E_{\text{MM}} + E_{\text{QM/MM}}^{\text{inter}}\) 其中 $E_{\text{QM/MM}}^{\text{inter}}$ 包括QM区与MM区的静电相互作用、范德华相互作用以及边界处理(如link atoms)。 应用案例 谷氨酸-谷氨酸盐复合物模拟了酶中的低势垒氢键。关键发现: 在水相几何优化中,DFT QM/MM预测$\ce{O-H}=1.05$ Å、$\ce{O…H}=1.45$ Å、$\ce{O…O}=2.49$ Å,质子明显偏向一侧; CNEO-DFT QM/MM预测$\ce{O-H}=1.17$ Å、$\ce{O…H}=1.29$ Å、$\ce{O…O}=2.45$ Å,质子更接近等距共享(两侧差约0.12 Å); 动力学模拟中,CNEO-DFT QM/MM显示更频繁的质子转移,体现核量子离域化效应的增强。 物理意义在于核量子效应使质子更易离域,低势垒氢键更趋向共享态,且溶剂化对几何的影响在CNEO框架下更为温和。 4. 周期性CNEO-DFT:扩展系统 将CNEO理论扩展到周期性边界条件: 方法实现基于CP2K的Gaussian‑augmented plane wave(GAPW)框架,同时处理电子与量子核,量子核作为局域可区分粒子处理。 应用示例包括Pt(111)表面氢吸附与二维面内运动熵的计算,展示核量子效应在表面吸附与热力学性质中的作用。 5. 光谱学应用 在红外光谱预测方面,研究对象包括$\ce{OH-(H2O)2}$与$\ce{OH-(H2O)3}$水合团簇,CNEO-DFT谐振动与CNEO-MD可直接对比实验峰位并给出未解析峰的指认: 体系 实验峰位($\mathrm{cm^{-1}}$) CNEO谐振动($\mathrm{cm^{-1}}$) CNEO‑MD 300 K($\mathrm{cm^{-1}}$) 备注 $\ce{OH-(H2O)2}$ 1669、1730、1819、2310、2731 1614、1627、1920、2207 1635、1820、2044、2213、2447 a4、a5峰被赋值为与IHB伸缩相关的组合/泛频峰,a3仍存在不确定性 $\ce{OH-(H2O)3}$ 1680、1848、2063/2140、2586、2842(肩峰) 1638.5、1638.7、2470、2471、2717 1629、2014、2533 a2、a3在谐振动中缺失,CNEO‑MD提示其为组合带并呈温度展宽 下图为$\ce{OH-(H2O)2}$实验谱与VPT2、NM‑6D理论结果的对比。 应用价值体现在作为实验光谱解析的理论工具、鉴别氢键网络结构以及研究溶剂化动力学。 6. 电子-质子相关泛函评估 研究背景 在多组分DFT中,除了经典的电子-电子相关泛函,还需要电子-质子相关泛函来准确描述电子与量子质子间的关联。 测试的泛函 epc17-1:早期的电子-质子相关泛函 epc17-2:改进版本 评估结果 在共享质子体系的PTM频率预测中,epc泛函对精度影响显著: 体系 DFT MAE CNEO/no-epc MAE CNEO/epc17-2 MAE CNEO/epc17-1 MAE [A·H⁺·B] 452 $\mathrm{cm^{-1}}$ 123 $\mathrm{cm^{-1}}$ 139 $\mathrm{cm^{-1}}$ 443 $\mathrm{cm^{-1}}$ [A·H⁺·A] 170 $\mathrm{cm^{-1}}$ 56 $\mathrm{cm^{-1}}$ 42 $\mathrm{cm^{-1}}$ 166 $\mathrm{cm^{-1}}$ 建议 当前最佳实践: 在更准确的电子-质子相关泛函开发之前,推荐使用不含电子-质子相关泛函的CNEO-DFT进行振动光谱计算。 未来方向: 开发新的电子-质子相关泛函 系统评估不同体系的epc重要性 探索体系依赖的相关泛函 方法学比较 与其他核量子效应方法的对比 方法 准确性 计算成本 系统大小 优点 缺点 路径积分分子动力学(PIMD) 很高 极高 ~100原子 包含全部NQEs 计算成本极高,难以应用于大系统 环聚合物分子动力学(RPMD) 高 高 ~200原子 准确描述速率 仍较昂贵 多组分波函数方法(NEO) 高 高 ~50原子 全量子处理 假设量子核瞬间响应经典核运动 半经典轨迹方法 中等 中等 ~500原子 包含隧穿 近似较多 变分过渡态理论+多维隧穿(CVT/SCT) 高 中等 不限 准确描述速率 需预先知道反应路径 传统DFT 低(对氢) 低 不限 快速 忽略NQEs CNEO-DFT 高 低 不限 优点:包含核离域化,成本与传统DFT相当 缺点:浅隧穿近似,不包含深层隧穿 CNEO的独特优势 CNEO具有四大独特优势: 量子-经典耦合:量子核(质子、氕子)用波函数描述,经典核(重原子)用点电荷描述,具有根据需要选择量子核的灵活性 有效势能面:包含零点能和浅隧穿效应,可直接用于传统动力学方法,避免了路径积分的巨大计算成本 多尺度建模:易于与QM/MM、机器学习及增强采样结合 软件生态兼容:可集成到现有量子化学包,使用熟悉的DFT泛函和基组,学习成本低 应用领域与案例 1. 共享质子与氢键体系 共享质子复合物的PTM频率与红外光谱是CNEO最重要的验证场景之一,涵盖[A·H⁺·B]与[A·H⁺·A]体系,系统性对比实验峰位与理论谱图。 2. 溶剂化与QM/MM CNEO-QM/MM在水相中研究了酚–水复合物与谷氨酸–谷氨酸盐复合物,量化溶剂化与核量子离域化对氢键几何与质子位置的影响,并通过分子动力学展示更频繁的质子转移行为。 3. 反应动力学 在甲酸二聚体双质子转移中,CNEO-MD通过自由能面与通量–侧相关函数得到校正速率;在$\ce{CH4 + OH}$与同位素反应中,CNEO-TST给出与实验接近的活化能与KIE。 4. 光谱学 CNEO-DFT与CNEO-MD用于$\ce{OH-(H2O)2}$和$\ce{OH-(H2O)3}$红外谱线指认,补全实验中未明确的峰位归属,并解释温度展宽效应。 5. 周期性与凝聚相 周期性CNEO-DFT方法为凝聚态核量子效应提供了可扩展框架,可用于质子导体与固体氢键网络等系统的结构与振动性质研究。 当前挑战与解决方案 挑战1:深层隧穿效应 问题描述:CNEO主要包含浅隧穿,对深层隧穿描述不足。浅隧穿指的是隧穿能量仅略低于有效势垒顶部的隧穿,而深层隧穿涉及能量远低于势垒顶部的隧穿过程,后者在某些低温反应中可能起重要作用。 可能的解决方案: 结合Wigner隧穿校正来补充深层隧穿贡献 与瞬子(Instanton)理论结合以获得更准确的隧穿速率 开发更精确的核量子态展开方法来扩展CNEO的隧穿描述能力 挑战2:电子-质子相关 问题描述:在多组分DFT中,除了经典的电子-电子相关泛函,还需要电子-质子相关泛函来准确描述电子与量子质子间的关联。现有epc泛函性能有限。 研究进展: epc17-1:在两类共享质子体系中都接近传统DFT表现,误差较大 epc17-2:精度与no-epc接近,部分体系略有优势 no-epc:整体最稳定,且更易收敛 未来方向: 开发机器学习辅助泛函 构建体系依赖的相关泛函 从高精度量子化学数据学习更准确的电子-质子关联形式 挑战3:大系统应用 问题描述:全量子处理的计算成本随量子核数快速增加,限制了CNEO在超大系统中的应用。 应对策略: 选择性量子化:只对关键质子(如参与质子转移或氢键的质子)进行量子处理,而将其他质子视为经典粒子 分层方法:核心区用CNEO处理,外层区用经典力场处理 机器学习势:训练ML势以替代昂贵的CNEO计算,实现高效的大系统模拟 挑战4:激发态与时间演化 当前局限:CNEO主要处理基态性质。 扩展方向: 开发CNEO-TDDFT(含时密度泛函理论)以处理激发态质子转移 构建非绝热CNEO动力学方法来研究非绝热过程 应用CNEO于超快光谱过程模拟,如泵浦-探针光谱和二维光谱的理论解析 在Shin–Metiu模型上,CNEO‑Ehrenfest与CNEO‑FSSH通过冻结核CNEO有效势能面引入核量子离域化效应,用于评估非绝热动力学中的透射与布居行为。 对领域的影响与意义 科学价值 填补空白:CNEO位于传统DFT(忽略NQEs)与全量子动力学(昂贵)之间,提供了性价比最优的解决方案,使大系统中包含核量子效应成为可能 理论创新:提出了量子-经典耦合的新范式,巧妙应用约束优化方法,构建了可扩展的多组分框架 方法统一:将静态和动态性质研究统一在一个框架下,兼容多种电子结构方法,并易于与多尺度建模结合 实际应用价值 药物设计:CNEO能够准确预测药物-靶标结合自由能,深入理解酶催化机制,并指导药物分子的结构优化,特别适用于涉及质子转移和氢键的药物设计项目 催化科学:CNEO可用于设计高效催化剂、优化反应条件以及降低能耗,通过准确描述催化循环中的质子转移步骤来揭示催化机理 能源技术:CNEO可应用于燃料电池膜材料优化、氢存储材料设计以及人工光合作用系统的研究 环境化学:CNEO有助于大气化学反应建模、污染物降解路径预测以及碳循环过程的理解 代表性论文列表 以下条目均已与本地PDF核对。 理论方法发展 CNEO‑MD方法:Chen, Z.; Yang, Y. J. Phys. Chem. Lett. 2023, 14, 279-286. DOI:10.1021/acs.jpclett.2c02905 周期性CNEO‑DFT:Chen, Z.; Yang, Y. J. Chem. Theory Comput. 2025, 21, 7865-7877. DOI:10.1021/acs.jctc.5c00837 应用:质子转移 共享质子系统:Yang, Y.; Zhang, Y.; Yang, Y.; Xu, X. J. Chem. Phys.(已接收稿,2024)DOI:10.1063/5.0243086 双质子转移:Zhang, Y.; Liu, Z.; Yang, Y. J. Chem. Theory Comput. 2025, 21, 5400-5408. DOI:10.1021/acs.jctc.5c00532 CNEO‑TST:Chen, Z.; Zheng, J.; Truhlar, D. G.; Yang, Y. J. Chem. Theory Comput. 2025, 21, 590-604. DOI:10.1021/acs.jctc.4c01521 应用:多尺度建模 CNEO‑QM/MM:Zhao, X.; Chen, Z.; Yang, Y. J. Chem. Phys.(已接收稿)DOI:10.1063/5.0226271 应用:非绝热动力学 非绝热动力学:Liu, Z.; Chen, Z.; Yang, Y. J. Phys. Chem. Lett. 2025, 16, 6559-6569. DOI:10.1021/acs.jpclett.5c01020 应用:光谱学 水合团簇红外光谱:Liu, Z.; Wang, Y.; Zhang, Y.; Yang, N.; Yang, Y. J. Phys. Chem. A 2025, 129, 9883-9894. DOI:10.1021/acs.jpca.5c04334
Field Knowledge
· 2026-02-21
<
>
Touch background to close