Name: computation of atmospheric concentrations of molecular clusters from ab initio thermochemistry
Uploaded: 2020-04-08T15:00:00
Duration: 12 min 11 s
Description: Watch this Scientific Journal Video about Computation of Atmospheric Concentrations of Molecular Clusters from ab initio Thermochemistry at JoVE.com

Este projeto foi apoiado pelas subvenções CHE-1229354, CHE-1662030, CHE-1721511 e CHE-1903871 da National Science Foundation (GCS), do Arnold and Mabel Beckman Foundation Beckman Scholar Award (AGG) e da Barry M. Goldwater Scholarship (AGG). Foram utilizados recursos de computação de alto desempenho do Consórcio MERCURY (http://www.mercuryconsortium.org).

1. Encontrar a estrutura de energia mínima de glicina isolada e água
NOTA: O objetivo aqui é duas vezes: (i) obter estruturas energéticas mínimas de moléculas isoladas de água e glicina para uso na amostragem de configuração do algoritmo genético, (ii) e calcular as correções termodinâmicas das energias da fase gasosa dessas moléculas para uso no cálculo das concentrações atmosféricas.
<ol><li>No seu computador local, abra uma nova sessão de Avogadro.<ol>
<li>Clique em Build > Insira > Peptídeo e selecione Gly na janela Inserir peptídeo para gerar um monômero de glicina na janela de visualização.</li>
		<li>Clique em Extensões > Gaussian e edite a primeira linha na caixa de texto para ler '# pw91pw91/6-311++G** int (Acc2E=12,UltraFine) scf (conver=12) opt (tight,maxcyc=300) freq'. Clique em Gerar e salvar o arquivo de entrada como glycine.com.</li>
		<li>Observe que se a molécula tem uma flexibilidade conformacional significativa, como a glicina faz55, é fundamental realizar análises conformacionais para identificar a estrutura mínima global e outros conformers de baixa altitude. OpenBabel54 fornece ferramentas de busca conformacionais robustas utilizando diferentes algoritmos e campos de força rápida. Enquanto os conformers são autorizados a relaxar e interconverter durante os cálculos ga e subsequentes, às vezes é necessário executar vários cálculos de GA, cada um começando com um conformer diferente.</li>
	</ol>
</li>
	<li>No seu computador local, abra uma nova sessão em Avogadro.<ol>
<li>Clique em Build > Insert > Fragmente e procure por "água" na janela Insert Fragment para obter as coordenadas de água.</li>
		<li>Clique em Extensões > Gaussian e edite a primeira linha na caixa de texto para ler '# pw91pw91/6-311++G** int (Acc2E=12,UltraFine) scf (conver=12) opt (tight,maxcyc=300) freq'. Clique em Gerar e salvar o arquivo de entrada como water.com.</li>
	</ol>
</li>
	<li>Transfira os dois arquivos .com para o cluster remoto. Depois de entrar no cluster remoto, ligue para Gaussian 09 em um script de envio em lote para iniciar o cálculo. Quando os cálculos terminarem, extraia as coordenadas cartesianas (arquivos.xyz) das estruturas de energia mínimas, chamando OpenBabel. Para glicina, o comando a ser executado é: obabel -ig09 glicina.log -oxyz > glicina.xyz Estes dois arquivos .xyz serão usados pela amostragem de configuração GA na próxima etapa.</li>
</ol>2. Amostragem de configuração baseada em algoritmo genético de aglomerados Gly(H2O)n=1-5
NOTA: O objetivo aqui é obter um conjunto de estruturas de baixa energia para Gly(H2O)n=1-5 no nível semi-empírico barato da teoria, utilizando o modelo PM746 implementado no MOPAC47. É imprescindível que o diretório de trabalho tenha a organização e estrutura exatas como mostra a Figura 2. Isso é para garantir que os scripts personalizados shell e Python funcionem sem falhas.
<ol><li>Copie todos os scripts necessários para o cluster remoto e adicione sua localização ao $PATH<ol>
<li>Coloque todos os scripts e arquivos de modelo em uma pasta (scripts por exemplo) e copie-os para o cluster remoto</li>
		<li>Certifique-se de que todos os scripts são executáveis</li>
		<li>Adicione a localização do diretório de scripts à variável ambiental $PATH inserindo os seguintes comandos em um terminal. A localização padrão dos scripts está definida como $HOME/JoVE-demo/scripts, no entanto, pode-se definir uma variável ambiental chamada $SCRIPTS_HOME apontando para o diretório contendo os scripts e adicionar $SCRIPTS_HOME ao seu caminho<ol>
<li>Bash shell: SCRIPTS_HOME de exportação=/path/to/scripts exportar PATH=${SCRIPTS_HOME}:${PATH}</li>
			<li>Concha Tcsh/Csh: setenv SCRIPTS_HOME /path/to/scripts setenv PATH ${SCRIPTS_HOME}:${PATH}</li>
		</ol>
</li>
	</ol>
</li>
	<li>No cluster remoto, configure e execute um cálculo GA:<ol>
<li>Crie um diretório chamado gly-h2o-n onde n é o número de moléculas de água.</li>
		<li>Crie um subdiretório chamado GA sob o diretório gly-h2o-n para executar cálculos de algoritmogenético.</li>
		<li>Copie os arquivos de entrada OGOLEM (Por exemplo, pm7.ogo), as coordenadas cartesianas monômeras (Por exemplo, glycine.xyz, water.xyz) e o script de envio em lote PBS (Eg. run.pbs) no diretório GA.</li>
		<li>Faça as alterações necessárias ao arquivo de entrada OGOLEM e ao arquivo de envio em lote.</li>
		<li>Envie o cálculo. Quando o cálculo começar, o OGOLEM criará um novo diretório nomeado como o prefixo do arquivo de entrada OGOLEM (Por exemplo, pm7) no diretório GA e armazenará coordenadas recém-geradas lá.</li>
	</ol>
</li>
	<li>Uma vez que o cálculo esteja concluído, compile as energias e as constantes rotacionais e use essas informações para determinar quais são as estruturas únicas de baixa energia:<ol>
<li>Alterar diretório para gly-h2o-n/GA/pm7 e</li>
		<li>Extrair as energias e calcular as constantes rotacionais dos clusters otimizados por GA com o comando: getRotConsts-GA.csh N 0 99 onde N é o número de átomos no aglomerado molecular e '0 99' indica que o tamanho da piscina ga é de 100, com índices que vão de 0 a 99. Isso gerará um arquivo chamado rotConstsData_C que contém uma lista classificada de todas as configurações de cluster otimizadas pelo GA, suas energias e suas constantes de rotação.</li>
		<li>Execute o comando: similarityAnalysis.py rotConstsData_C pm7 onde o pm7 será usado como um rótulo de nomeação de arquivo, para encontrar e salvar os clusters otimizados pelo GA exclusivos. Isso gerará um arquivo chamado uniqueStructures-pm7.data que contém uma lista classificada das configurações otimizadas pelo GA exclusivos. Esta é uma lista de estruturas mínimas locais únicas para o cluster Gly(H2O)n otimizado no nível de teoria PM7, e essas estruturas estão agora prontas para serem refinadas usando DFT.</li>
	</ol>
</li>
	<li>Suba para o diretório gly-h2o-n/GA e combine os resultados de várias corridas de GA comparáveis usando o script combine-GA.csh. A sintaxe é: combine-GA.csh <label> <lista de diretórios com GA runs> Neste caso em particular, o comando: combine-GA.csh pm7 pm7 gerará uma nova lista de estruturas exclusivas chamada 'uniqueStructures-pm7.data' no diretório gly-h2o-n/GA.</li>
</ol>3. Refinamento usando o método QM com um pequeno conjunto de base
NOTA: O objetivo aqui é refinar a amostragem de configuração dos clusters Gly(H2O)n=1-5 usando uma melhor descrição quântica-mecânica para obter um conjunto menor, mas mais preciso, de estruturas de cluster Gly(H2O)n=1-5. As estruturas de partida para esta etapa são as saídas do Passo 2.
<ol><li>Preparar e executar o pequeno cálculo DFT definido com base:<ol>
<li>Crie um subdiretório chamado QM sob o diretório gly-h2o-n. Sob o diretório QM, crie outro subdiretório chamado pw91-sb.</li>
		<li>Copie a lista de estruturasexclusivas (uniqueStructures-pm7.data) do diretório gly-h2o-n/GA para o diretório QM/pw91-sb.</li>
		<li>Alterar diretório para aquele gly-h2o-n/QM/pw91-sb.</li>
		<li>Execute o pequeno script de amostragem configuracional DFT definido com base pequena usando o comando: run-pw91-sb.csh uniqueStructures-pm7.data sb QUEUE 10 onde sb é um rótulo para este conjunto de cálculos, queue é a fila preferida no cluster de computação, e 10 indica que 10 cálculos devem ser agrupados em um trabalho em lote. Este script gerará automaticamente as entradas para Gaussian 09 e enviará todos os cálculos. Digite 'teste' para 'Queue' para fazer uma corrida a seco.</li>
	</ol>
</li>
	<li>Uma vez que os cálculos apresentados estejam concluídos, extraia e analise os resultados.<ol>
<li>Extrair as energias e calcular as constantes rotacionais dos clusters otimizados de base pequena usando o comando: getRotConsts-dft-sb.csh pw91 N onde pw91 indica que a densidade PW91 funcional foi usada, e N é o número de átomos no cluster. Isso criará um arquivo chamado rotConstsData_C.</li>
		<li>Agora identifique as estruturas únicas com o comando: similarityAnalysis.py rotConstsData_C onde sb é usado como um rótulo de nomeação de arquivo. Agora haverá uma lista de configurações exclusivas otimizadas no nível de teoria PW91/6-31+G* salvo no arquivo exclusivoStructures-sb.data.</li>
	</ol>
</li>
	<li>Suba para o diretório gly-h2o-n/QM e combine os resultados de várias corridas de QM comparáveis usando o script combine-QM.csh. A sintaxe é: combine-QM.csh <label> <lista de diretórios com QM calcs> Neste caso em particular, o comando: combine-QM.csh sb pw91-sb gerará uma nova lista de estruturas exclusivas chamada 'uniqueStructures-sb.data' no diretório gly-h2o-n/QM.</li>
</ol>4. Refinamento adicional usando o método QM com um conjunto de bases grande
NOTA: O objetivo aqui é refinar ainda mais a amostragem de configuração dos clusters Gly(H2O)n=1-5 usando uma melhor descrição quântica-mecânica. As estruturas de partida para esta etapa são as saídas do Passo 3.
<ol><li>Envie cálculos mais confiáveis usando um conjunto de bases maior.<ol>
<li>Crie um subdiretório chamado pw91-lb sob o diretório QM.</li>
		<li>Copie a lista de estruturasexclusivas (uniqueStructures-sb.data)do diretório gly-h2o-n/QM para o diretório gly-h2o-n/QM/pw91-lb e mude para esse diretório.</li>
		<li>Execute o script de amostragem configuracional DFT de grande base com o comando: run-pw91-lb.csh uniqueStructures-sb.data lb QUEUE 10 onde lb é um rótulo para este conjunto de cálculos, queue é a fila preferida no cluster de computação, e 10 indica que 10 cálculos devem ser agrupados em um trabalho em lote. Este script gerará automaticamente as entradas para Gaussian 09 e enviará todos os cálculos. Digite 'teste' para 'Queue' para fazer um teste de execução a seco.</li>
	</ol>
</li>
	<li>Uma vez que os cálculos enviados estejam concluídos, extraia e analise os dados<ol>
<li>Calcule as constantes rotacionais dos clusters otimizados de grande base com o comando: getRotConsts-dft-lb.csh pw91 N onde pw91 indica que a densidade PW91 funcional foi usada, e N é o número de átomos no cluster.</li>
		<li>Agora identifique as estruturas únicas com o comando: similarityAnalysis.py lb rotConstsData_C onde lb é usado como um rótulo de nomeação de arquivo. Agora você tem uma lista de configurações exclusivas otimizadas no nível de teoria PW91/6-311++G** salvo no arquivo exclusivoStructures-lb.data.</li>
	</ol>
</li>
</ol>5. Cálculos finais de energia e correção termodinâmica
NOTA: O objetivo aqui é obter a estrutura vibracional e as energias dos aglomerados Gly(H2O)n=1-5 usando um conjunto de base grande e uma grade de integração ultrafina, a fim de calcular as correções termoquímicas desejadas.
<ol><li>Começando com os resultados da etapa anterior, envie cálculos mais confiáveis.<ol>
<li>Crie um subdiretório chamado ultrafino sob o diretório QM/pw91-lb. Em seguida, copie a lista de estruturasexclusivas (uniqueStructures-lb.data) do diretório QM/pw91-lb para o diretório QM/pw91-lb/ultrafine e mude para esse diretório.</li>
		<li>Envie o script DFT de base ultrafina com o comando: run-pw91-lb-ultrafine.csh uniqueStructures-lb.data uf Queue 10 onde uf é um rótulo para este conjunto de cálculos, queue é a fila preferida no cluster de computação, e 10 indica que 10 cálculos devem ser agrupados em um trabalho em lote. Este script gerará automaticamente as entradas para Gaussian 09 e enviará todos os cálculos. Digite 'teste' para 'Queue' para fazer um teste de execução a seco.</li>
	</ol>
</li>
	<li>Uma vez que os cálculos enviados estejam concluídos, extraia e analise os dados<ol>
<li>Extrair as energias e calcular as constantes rotacionais dos clusters otimizados de grande base com o comando: getRotConsts-dft-lb-ultrafine.csh pw91 N onde pw91 indica que a densidade PW91 funcional foi usada, e N é o número de átomos no cluster.</li>
		<li>Agora identifique as estruturas únicas com o comando: similarityAnalysis.py rotConstsData_C uf onde uf é usado como um rótulo de nomeação de arquivo. Agora você tem uma lista de configurações exclusivas otimizadas no nível de teoria PW91/6-311++G** salvo no arquivo exclusivoStructures-uf.data.</li>
	</ol>
</li>
	<li>Realizar uma extração final das informações necessárias para calcular correções termodinâmicas. Use essas informações para calcular as correções termodinâmicas.<ol>
<li>Extrair as energias eletrônicas finais, constantes rotacionais e frequências vibracionais, e usá-las para calcular correções termodinâmicas usando o comando: run-thermo-pw91.csh uniqueStructures-uf.data</li>
		<li>Copiar/colar a saída de linha de comando para a folha 'Raw_Energies' da planilha do Excel chamada 'gly-h2o-n.xlsx'. Você precisaria fazer isso para os monômeros (glicina e água) bem como para o membro de menor energia de cada hidrato (gly-h2o-n, onde n=1,2, ...).</li>
		<li>À medida que as energias brutas são adicionadas à primeira folha da planilha 'gly-h2o-n.xlsx', as folhas subsequentes 'Binding_Energies' e 'Hydrate_Distribution' são automaticamente atualizadas. Em particular, a folha 'Hydrate_Distribution' produz a concentração de equilíbrio de hidratos em diferentes temperaturas (Por exemplo, 298,15K), umidade relativa (20%, 50%, 100%) e concentrações iniciais de água ([H2O]) e glicina ([Glicina]). A teoria por trás desses cálculos é descrita no próximo passo.</li>
	</ol>
</li>
</ol>6. Computação de concentrações atmosféricas de Gly(H2O)n=0-5 aglomerados à temperatura ambiente ao nível do mar
NOTA: Isso é feito primeiro copiando os dados termodinâmicos gerados na etapa anterior em uma planilha e calculando as energias livres de Gibbs de hidratação sequencial. Em seguida, as energias livres gibbs são usadas para calcular constantes de equilíbrio para cada hidratação seqüencial. Finalmente, um conjunto de equações lineares são resolvidos para obter a concentração de equilíbrio dos hidratos para uma dada concentração de monômeros, temperatura e pressão.
<ol><li>Comece por criar um sistema de equilíbrio químico para a hidratação sequencial da glicina, conforme mostrado abaixo: <img alt="Equation 1" src="/files/ftp_upload/60964/60964equ01.jpg">
</li>
	<li>Calcule as constantes de equilíbrio Kn usando Kn = e-Δ Gn/(kBT),onde n é o nível de hidratação, ΔGn é a mudança de energia livre gibbs da nth reação de hidratação, kB é constante de Boltzmann, e T é a temperatura. <img alt="Equation 2" src="/files/ftp_upload/60964/60964equ02.jpg">
</li>
	<li>Configurar a equação para a conservação da massa, utilizando-se a suposição de que a soma das concentrações de equilíbrio dos aglomerados de glicina hidratado e não hidratado é igual à concentração inicial de glicina isolada [Gly]0. Reescrever este sistema de seis equações simultâneas, usando algum rearranjo algébrico das expressões constantes de equilíbrio, como <img alt="Equation 3" src="/files/ftp_upload/60964/60964equ03.jpg">
</li>
	<li>Resolver o sistema de equações mostrado acima para obter as concentrações de equilíbrio de Gly(H2O)n = 0-5 usando um valor experimental56,57,58 para a concentração de glicina na atmosfera, [Gly]0 = 2,9 x 106 cm-3, e a concentração de água na atmosfera a 100% umidade relativa e uma temperatura de 298,15 K59, [H2O] = 7,7 x 1017 cm-3.</li>
</ol>

A precisão dos dados gerados por este protocolo depende principalmente de três coisas: (i) a variedade de configurações amostrados pela Etapa 2, (ii) a precisão da estrutura eletrônica do sistema, (iii) e a precisão das correções termodinâmicas. Cada um desses fatores pode ser abordado modificando o método editando os scripts incluídos. O primeiro fator é facilmente superado com o uso de um maior pool inicial de estruturas geradas aleatoriamente, mais numerosas iterações do Ga, e uma definição mais frouxa dos critérios envolvidos no Ga. Além disso, pode-se usar um método semi-empírico diferente, como o modelo de tight-binding tight-binding (SCC-DFTB)62 e o modelo potencial de fragmento efetivo (EFP)63, a fim de explorar os efeitos de diferentes descrições físicas. A principal limitação aqui é a incapacidade do método de formar ou quebrar ligações covalentes, o que significa que os monômeros estão congelados. O procedimento de AG encontra apenas as posições relativas mais estáveis desses monômeros congelados de acordo com a descrição semi-empírica.
A precisão da estrutura eletrônica do sistema pode ser melhorada de várias maneiras, cada uma com seu custo computacional. Pode-se escolher uma melhor densidade funcional, como m06-2X64 e wB97X-V65, ou métodos mecânicos quânticos (QM) como as teorias de perturbação Møller-Plesset66,67,68 (MPn) e métodos de cluster acoplado69 (CC) a fim de melhorar a descrição física do sistema. Na hierarquia das funcionais, o desempenho geralmente melhora ao passar de funis de aproximação de gradiente generalizado (GGA) como PW91 para funções híbridas separadas em faixa, como funções híbridas wB97X-D e meta-GGA como M06-2X.
A desvantagem dos métodos DFT é que não é possível uma convergência sistemática para um valor preciso; no entanto, os métodos DFT são computacionalmente baratos e há uma grande variedade de funcionais para uma grande variedade de aplicações.
Energias calculadas usando métodos de função de onda como MP2 e CCSD(T) em conjunto com conjuntos de base consistentes de correlação de aumento do número cardeal ([aug-]cc-pV[D,T,Q,...] Z) convergem para seu limite completo de fixação de base sistematicamente, mas o custo computacional de cada cálculo torna-se proibitivo à medida que o tamanho do sistema cresce. Um refinamento adicional da estrutura eletrônica pode ser realizado usando conjuntos de base explicitamente correlacionados70 e extrapolando para o limite completo do conjunto de base (CBS)71. Nosso trabalho recente sugere que uma abordagem perturbativa de segunda ordem explicitamente correlacionada de segunda ordem Møller-Plesset (DF-MP2-F12) produz energias que se aproximam das computações MP2/CBS32. A modificação do protocolo atual para usar diferentes métodos de estrutura eletrônica envolve duas etapas: (i) preparar um arquivo de entrada de modelo seguindo a sintaxe dada pelo software, (ii) e editar a sintaxe de arquivo de entrada run-pw91-sb.csh, run-pw91-lb.csh,e scripts run-pw91-lb-ultrafine.csh para gerar a sintaxe de arquivo de entrada correta, bem como o script de envio correto para o software.
Por fim, a precisão das correções termodinâmicas depende do método de estrutura eletrônica, bem como da descrição do PES em torno do mínimo global. Uma descrição precisa do PES requer a computação de derivados de terceira e alta ordem do PES em relação aos deslocamentos nos graus nucleares de liberdade, como o campo de força quartic72,73 (QFF), que é uma tarefa excepcionalmente cara. O protocolo atual utiliza a aproximação harmônica do oscilador às frequências vibracionais, resultando na necessidade de calcular apenas até os segundos derivados do PES. Essa abordagem torna-se problemática em sistemas com alta anharmonicidade, como moléculas muito disquetes e potenciais simétricos de dois poços devido à grande diferença no verdadeiro PES e no PES harmônico. Além disso, o custo de ter um PES de alta qualidade a partir de um método de estrutura eletrônica computacionalmente exigente só compõe o problema do custo para os cálculos de frequência vibracional. Uma abordagem para superar isso é usar as energias eletrônicas a partir de um cálculo de estrutura eletrônica de alta qualidade, juntamente com frequências vibracionais computadas em um PES de menor qualidade, resultando em um equilíbrio entre custo e precisão. O protocolo atual pode ser modificado para usar diferentes descrições de PES como descrito no parágrafo anterior; no entanto, pode-se também editar as palavras-chave de freqüência vibracional nos scripts e modelos para calcular frequências vibracionais anharmônicas.
Duas questões cruciais para qualquer protocolo de amostragem configuracional são o método inicial para a amostragem da superfície de energia potencial e os critérios utilizados para identificar cada cluster. Fizemos uso extensivo de uma variedade de métodos em nosso trabalho anterior. Para a primeira questão, o método inicial de amostragem da superfície potencial de energia, fizemos a escolha de usar a AI com métodos semi-empíricos com base nesses fatores. A amostragem configuracional utilizando intuição química26,amostragem aleatória e dinâmica molecular (DM)29,30,não encontra ma global putativo regularmente para aglomerados maiores que 10 monômeros, como observamos em nossos estudos de aglomerados de água18. Temos usado com sucesso o salto de bacia (BH) para estudar o complexo PES de (H2O)1174,mas exigiu a inclusão manual de alguns potenciais isôsimos de baixa energia que o algoritmo de BH não encontrou. Uma comparação do desempenho de BH e GA em encontrar o mínimo global de aglomerados de água, (H2O)n=10-20 demonstrou que a Ga encontrou consistentemente o mínimo global mais rápido que BH75. Ga como implementado no OGOLEM e CLUSTER é muito versátil porque pode ser aplicado a qualquer cluster molecular e pode interagir com um grande número de pacotes com capacidades clássicas de campo de força, semi-empírica, funcional de densidade e ab initio. A escolha do PM7 é impulsionada por sua velocidade e precisão razoável. Praticamente qualquer outro método semi-empírico teria um custo computacional significativamente maior.
Quanto à segunda edição, exploramos utilizando diferentes critérios para identificar estruturas únicas que vão desde energias eletrônicas, momentos dipolo, sobreposição de RMSDs e constantes rotacionais. O uso de momentos de dipolo mostrou-se difícil porque tanto os componentes do momento do dipolo dependiam da orientação da molécula quanto o momento total do dipolo era muito sensível às diferenças de geometria de tal forma que era difícil definir limiares determinando se as estruturas são iguais ou únicas. Uma combinação de energias eletrônicas e constantes rotacionais provou ser mais útil.
O critério atual para a análise de duas estruturas únicas baseia-se em um limiar de diferença de energia de 0,10 kcal mol-1 e diferença constante rotacional de 1%. Portanto, duas estruturas são consideradas diferentes se suas energias diferem em mais de 0,10 kcal mol-1 (~0,00015 a.u.) E qualquer uma de suas três constantes rotacionais (A, B, C) diferem em mais de 1%. Referências internas substanciais ao longo dos anos consideraram esses limiares escolhas razoáveis. Nossa metodologia de abordagem e triagem de configuração tem sido aplicada a aglomerados muito fracos, como hidrocarbonetos poliaromáticos complexos com água76,77, bem como hidratos de sulfato ternário fortemente ligados contendo amônia e aminas32. Para clusters onde há diferentes estados de protonação a serem considerados, a melhor abordagem é executar vários cálculos de A, cada um começando com monômeros em diferentes estados de protonação. Isso garante que estruturas com diferentes estados de protonação sejam cuidadosamente consideradas. No entanto, os cálculos dft de baixo nível muitas vezes permitem que os estados de protonação mudem durante o curso da otimização da geometria, produzindo assim o estado de protonação mais estável, independentemente da geometria inicial.
Nossos métodos de amostragem de configuração ga devem funcionar bem mesmo para moléculas disquetes, desde que os códigos GA sejam interfaceados com métodos gerais e não parametrizados que permitem que os monômeros adotem diferentes configurações durante o curso da execução de GA. Por exemplo, a interligação de Ga com o PM7 permitiria que as estruturas dos monômeros mudassem, mas se seus vínculos se rompessem como aconteceria quando os estados de protonação mudassem, as estruturas podem ser descartadas como candidatos inaceitáveis.
Consideramos diferentes formas de corrigir as deficiências da aproximação harmônica, especialmente aquelas decorrentes de baixas frequências vibracionais. Incorporar a aproximação quase harmônica na metodologia atual não é difícil. No entanto, ainda há dúvidas sobre o método quase harmônico, especialmente quando se trata da frequência de corte abaixo da qual será aplicado. Além disso, não há trabalhos rigorosos de benchmarking examinando a confiabilidade da aproximação quase-RRHO, embora a sabedoria convencional sugira que deve ser uma melhoria em relação à aproximação da RRHO.
O protocolo assim apresentado pode ser generalizado para qualquer sistema de aglomerados moleculares de fase de gás não covalentemente ligados. Também pode ser generalizado para usar qualquer método semi-empírico, método de estrutura eletrônica e software, e método de análise vibracional e software editando os scripts e modelos. Isso pressupõe que o usuário esteja confortável com a interface de linha de comando Linux, scripting Python e computação de alto desempenho. A sintaxe e o visual desconhecidos do sistema operacional Linux e a falta de experiência em scripts é a maior armadilha neste protocolo e é onde os novos alunos mais lutam. Este protocolo tem sido usado com sucesso em uma variedade de implementações durante anos em nosso grupo, focando principalmente nos efeitos do ácido sulfúrico e amônia na formação de aerossóis. Outras melhorias neste protocolo envolverão uma interface mais robusta para software de estrutura mais eletrônica, implementações alternativas do algoritmo genético e, possivelmente, o uso de métodos mais novos para cálculos mais rápidos de energias eletrônicas e vibracionais. Nossas aplicações atuais deste protocolo estão explorando a importância dos aminoácidos nos estágios iniciais da formação de aerossóis na atmosfera atual e na formação de moléculas biológicas maiores em ambientes prebióticos.

O parâmetro mais incerto nos estudos atmosféricos da mudança climática é a extensão exata em que as partículas de nuvens refletem a radiação solar recebida. Os aerossóis, que são material particulado suspenso em um gás, formam partículas de nuvens chamadas núcleos de condensação de nuvens (CCN) que espalham radiação recebida, impedindo assim sua absorção e o subsequente aquecimento da atmosfera1. Uma compreensão detalhada desse efeito de resfriamento líquido requer uma compreensão do crescimento dos aerossóis em CCNs, o que, por sua vez, requer uma compreensão do crescimento de pequenos aglomerados moleculares em partículas de aerossol. Trabalhos recentes sugerem que a formação de aerossol é iniciada por aglomerados moleculares de 3 nm de diâmetro ou menos2; no entanto, este regime de tamanho é de difícil acesso usando técnicas experimentais3,4. Portanto, deseja-se uma abordagem computacional de modelagem para superar essa limitação experimental.
Usando nossa abordagem de modelagem descrita abaixo, podemos analisar o crescimento de qualquer cluster hidratado. Como estamos interessados no papel da água na formação de grandes moléculas biológicas de constituintes menores em ambientes pré-bióticos, ilustramos nossa abordagem com glicina. Os desafios encontrados e as ferramentas necessárias para abordar essas questões de pesquisa são muito semelhantes aos envolvidos no estudo de aerossóis atmosféricos e aglomerados de prenucleação55,6,,77,88,9,,10,,11,,12,,13,,14,,15. Aqui, examinamos aglomerados de glicina hidratados a partir de uma molécula de glicina isolada, seguida por uma série de adições stepwise de até cinco moléculas de água. O objetivo final é calcular as concentrações de equilíbrio dos aglomerados Gly(H2O)n=0-5 na atmosfera a temperatura ambiente ao nível do mar e uma umidade relativa (RH) de 100 %.
Um pequeno número desses aglomerados moleculares subnanômetros cresce em um aglomerado crítico metastável (1-3 nm de diâmetro) adicionando outras moléculas de vapor ou coagulando em aglomerados existentes. Esses clusters críticos têm um perfil de crescimento favorável que leva à formação de núcleos de condensação de nuvens muito maiores (até 50-100 nm) (CCN), que afetam diretamente a eficiência de precipitação das nuvens, bem como sua capacidade de refletir a luz incidente. Portanto, ter uma boa compreensão da termodinâmica dos aglomerados moleculares e suas distribuições de equilíbrio deve levar a previsões mais precisas do impacto dos aerossóis no clima global.
Um modelo descritivo de formação de aerossóis requer termodinâmica precisa da formação de aglomerados moleculares. A computação de termodinâmica precisa da formação de clustermolecular requer a identificação das configurações mais estáveis, o que envolve encontrar a minima global e local na superfície potencial de energia do cluster (PES)16. Este processo é chamado de amostragem configuracional e pode ser alcançado através de uma variedade de técnicas, incluindo as baseadas na dinâmica molecular (DM)17,18,19,20, Monte Carlo (MC)21,22, e algoritmos genéticos (GA)23,24,25.
Diferentes protocolos foram desenvolvidos ao longo dos anos para obter a estrutura e a termodinâmica dos hidratos atmosféricos em um alto nível de teoria. Esses protocolos diferem na escolha do (i) método de amostragem configuracional, (ii) natureza do método de baixo nível utilizado na amostragem configuracional e (iii) a hierarquia dos métodos de nível superior utilizados para refinar os resultados nas etapas subsequentes.
Os métodos de amostragem configuracional incluíram intuição química26, amostragem aleatória27,28, dinâmica molecular (DM)29,30, salto de bacia (BH)31, e algoritmo genético (GA)24,25,32. Os métodos de baixo nível mais comuns empregados com esses métodos de amostragem são campos de força ou modelos semi-empíricos como PM6, PM7 e SCC-DFTB. Estes são frequentemente seguidos por cálculos DFT com conjuntos de base cada vez maiores e funcionais mais confiáveis dos degraus mais altos da escada de Jacó33. Em alguns casos, estes são seguidos por métodos de função de onda de nível mais alto, como MP2, CCSD(T) e o custo eficiente DLPNO-CCSD(T)34,35.
Kildgaard et al.36 desenvolveram um método sistemático onde moléculas de água são adicionadas em pontos nas esferas de Fibonacci37 em torno de pequenos aglomerados hidratados ou não hidratados para gerar candidatos para aglomerados maiores. Candidatos não físicos e redundantes são removidos com base em limiares de contato próximos e distância quadrada entre diferentes conformers. Otimizações subseqüentes usando o método semi-empírico PM6 e uma hierarquia de métodos de DFT e função de onda são usadas para obter um conjunto de conformers de baixa energia em um alto nível de teoria.
O algoritmo da colônia de abelhas artificiais (ABC)38 é uma nova abordagem de amostragem de configuração que foi recentemente implementada por Zhang et al. para estudar clusters moleculares em um programa chamado ABCluster39. Kubecka et al.40 utilizaram o ABCluster para amostragem de configuração seguido de reotimizações de baixo nível usando o método semi-empírico GFN-xTB de ligação apertada41. Eles refinaram ainda mais as estruturas e energias usando métodos DFT seguidos de energias finais usando DLPNO-CCSD(T).
Independentemente do método, a amostragem configuracional começa com uma distribuição de pontos gerada aleatoriamente ou não no PES. Cada ponto corresponde a uma geometria específica do aglomerado molecular em questão e é gerada pelo método de amostragem. Em seguida, o mínimo local mais próximo é encontrado para cada ponto seguindo a direção "downhill" no PES. O conjunto de minima assim encontrado corresponde às geometrias do aglomerado molecular que são estáveis, pelo menos por algum tempo. Aqui, a forma do PES e a avaliação da energia em cada ponto da superfície serão sensíveis à descrição física do sistema onde uma descrição física mais precisa resulta em um cálculo de energia mais computacionalmente caro. Utilizaremos especificamente o método GA implementado no programa OGOLEM25, que foi aplicado com sucesso a uma variedade de problemas globais de otimização e amostragem de configuração42,,43,,44,45,para gerar o conjunto inicial de pontos de amostragem. O PES será descrito pelo modelo PM746 implementado no programa MOPAC201647. Essa combinação é empregada porque gera uma variedade maior de pontos em comparação com os métodos MD e MC e encontra o minima local mais rápido do que descrições mais detalhadas do PES.
O conjunto de minima locais otimizados por GA são tomados como geometrias iniciais para uma série de etapas de triagem, que levam a um conjunto de energia mínima baixa. Esta parte do protocolo começa otimizando o conjunto de estruturas otimizadas por GA exclusivas usando a teoria de densidade funcional (DFT) com um pequeno conjunto de bases. Este conjunto de otimizações geralmente dará um conjunto menor de estruturas mínimas locais únicas que são modeladas com mais detalhes em comparação com as estruturas semi-empíricas otimizadas pelo GA. Em seguida, outra rodada de otimizações de DFT são realizadas neste conjunto menor de estruturas usando um conjunto de basemaior. Mais uma vez, esta etapa geralmente dará um conjunto menor de estruturas únicas que são modeladas com mais detalhes em comparação com o pequeno passo dft base. O conjunto final de estruturas únicas são então otimizados para uma convergência mais apertada e as frequências vibracionais harmônicas são calculadas. Após esta etapa temos tudo o que precisamos para calcular as concentrações de equilíbrio dos aglomerados na atmosfera. A abordagem geral é resumida diagramaticamente na Figura 1. Utilizaremos a aproximação de gradiente generalizadaPW91 48 (GGA) na implementação gaussiana49 do DFT, juntamente com duas variações do conjunto base Pople50 (6-31+G* para a pequena etapa base e 6-311++G** para a grande etapa base). Esta combinação particular de conjunto funcional e de base de correlação de troca foi escolhida devido ao seu sucesso anterior na computação precisa de energias livres de formação de Gibbs para aglomerados atmosféricos51,52.
Este protocolo pressupõe que o usuário tenha acesso a um cluster de computação de alto desempenho (HPC) com o sistema de lote portátil53 (PBS), MOPAC2016 (http://openmopac.net/MOPAC2016.html)47, OGOLEM (https://www.ogolem.org)25, Gaussian 09 (https://gaussian.com)49e OpenBabel54 (http://openbabel.org/wiki/Main_Page) software instalado seguindo suas instruções específicas de instalação. Cada etapa deste protocolo também usa um conjunto de scripts shell interno e Python 2.7 que devem ser salvos em um diretório que está incluído na variável $PATH ambiental do usuário. Todos os módulos ambientais necessários e permissões de execução para executar todos os programas acima também devem ser carregados na sessão do usuário. O uso de disco e memória pelo código GA (OGOLEM) e códigos semi-empíricos (MOPAC) são muito pequenos para os padrões modernos de recursos do computador. O uso geral de memória e disco para OGOLEM/MOPAC depende de quantos threads se quer usar e, mesmo assim, o uso de recursos será pequeno em comparação com as capacidades da maioria dos sistemas HPC. As necessidades de recursos dos métodos QM dependem do tamanho dos clusters e do nível de teoria utilizado. A vantagem de usar este protocolo é que se pode variar o nível da teoria para poder calcular o conjunto final de estruturas de baixa energia, tendo em mente que geralmente cálculos mais rápidos levam a mais incerteza na precisão dos resultados.
Para uma questão de clareza, o computador local do usuário será referido como "computador local", enquanto o cluster HPC a que eles têm acesso será referido como "cluster remoto".

<table border="0" cellpadding="0" cellspacing="0" style="width:1639px;" width="1638">
	
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">Avogadro</td>
			<td style="width:483px;">https://avogadro.cc</td>
			<td style="width:123px;"></td>
			<td style="width:617px;">Open-source molecular visualization program</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">Gaussian [09/16] Software</td>
			<td style="width:483px;">http://www.gaussian.com/</td>
			<td style="width:123px;"></td>
			<td>Commercial ab initio electronic structure program</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">MOPAC 2016</td>
			<td style="width:483px;">http://openmopac.net/MOPAC2016.html</td>
			<td style="width:123px;"></td>
			<td>Open-source semi-empirical program</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">OGOLEM Software</td>
			<td style="width:483px;">https://www.ogolem.org</td>
			<td style="width:123px;"></td>
			<td>Genetic algorithm-based global optimization program</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">OpenBabel</td>
			<td style="width:483px;">http://openbabel.org/wiki/Main_Page</td>
			<td style="width:123px;"></td>
			<td>Open-source cheminformatics library</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">calcRotConsts.py</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Python script to compute rotational constants</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">calcSymmetry.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to calculate symmetry number of a molecule given Cartesian coordinates</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">combine-GA.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to combine energy and rotational constants from different GA directories</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">combine-QM.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to combine energy and rotational constants from different QM directories</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">gaussianE.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to extract Gaussian 09 energies</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">gaussianFreqs.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to extract Gaussian 09 vibrational frequencies</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">getrotconsts</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Executable to calculate rotational constants given a molecule&#39;s Cartesian coordinates</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">getRotConsts-dft-lb.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to compute rotational constants for a batch of large basis DFT optimized structures</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">getRotConsts-dft-lb-ultrafine.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to compute rotational constants for a batch of ultrafine DFT optimized structures</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">getRotConsts-dft-sb.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to compute rotational constants for a batch of small basis DFT optimized structures</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">getRotConsts-GA.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to compute rotational constants for a batch of genetic algorithm optimized structures</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">global-minimum-coords.xyz</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Cartesian coordinates of global minimum structures of gly-(h2o)n, where n=0-5</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">make-thermo-gaussian.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to extract data from Gaussian output files and make input files for the thermo.pl script</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">ogolem-input-file.ogo</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Ogolem sample input file</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">ogolem-submit-script.pbs</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>PBS batch submission file for Ogolem calculations</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">README.docx</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Clarifications to help readers use the scripts effectively</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">runogolem.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to run OGOLEM</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">run-pw91-lb.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to run a batch of large basis DFT optimization calculations</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">run-pw91-lb-ultrafine.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to run a batch of ultrafine DFT optimization calculations</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">run-pw91-sb.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to run a batch of small basis DFT optimization calculations</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">run-thermo-pw91.csh</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Shell script to compute the thermodynamic corrections for a batch of DFT optimized structures</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">similarityAnalysis.py</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Python script to determine unique structures based on rotational constants and energies</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">symmetry</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Executable to calculate molecular symmetry given Cartesian coordinates</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">symmetry.c</td>
			<td style="width:483px;">(C) 1996, 2003 S. Patchkovskii, Serguei.Patchkovskii@sympatico.ca</td>
			<td style="width:123px;"></td>
			<td style="width:617px;">C code to determine the molecular symmstry of a molecule given Cartesian coordinates</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">template-marcy.pbs</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Template for a PBS submit script which uses OGOLEM</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">template-pw91.com</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Template Gaussian 09 input</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">template-pw91-HL.com</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Template Gaussian 09 input for ultrafine DFT optimization</td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:416px;">thermo.pl</td>
			<td style="width:483px;">https://www.nist.gov/mml/csd/chemical-informatics-research-group/products-and-services/program-computing-ideal-gas</td>
			<td style="width:123px;"></td>
			<td>Perl open-source script to compute ideal gas thermodynamic corrections</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">gly-h2o-n.xlsx</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Excel spreadsheet for the complete protocol</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">table-1.xlsx</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Excel spreadsheet</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">table-2.xlsx</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Excel spreadsheet</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">table-3.xlsx</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Excel spreadsheet</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">table-4.xlsx</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Excel spreadsheet</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">water.xyz</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Cartesian coordinates of water</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:416px;">glycine.xyz</td>
			<td style="width:483px;">Shields Group, Department of Chemistry, Furman University</td>
			<td style="width:123px;"></td>
			<td>Cartesian coordinates of glycine</td>
		</tr>
	</tbody>
</table>

computation of atmospheric concentrations of molecular clusters from ab initio thermochemistry

O estudo computacional da formação e crescimento de aerossóis atmosféricos requer uma superfície de energia livre gibbs precisa, que pode ser obtida a partir da estrutura eletrônica da fase do gás e cálculos de frequência vibracional. Essas quantidades são válidas para esses aglomerados atmosféricos cujas geometrias correspondem a um mínimo em suas superfícies energéticas potenciais. A energia livre gibbs da estrutura de energia mínima pode ser usada para prever concentrações atmosféricas do aglomerado sob uma variedade de condições como temperatura e pressão. Apresentamos um procedimento computacionalmente barato construído em uma amostragem de configuração baseada em algoritmo genético seguida por uma série de cálculos de triagem cada vez mais precisos. O procedimento começa gerando e evoluindo as geometrias de um grande conjunto de configurações usando modelos semi-empíricos e, em seguida, refina as estruturas únicas resultantes em uma série de níveis de teoria ab initio de alto nível. Finalmente, as correções termodinâmicas são calculadas para o conjunto resultante de estruturas de energia mínima e usadas para calcular as energias livres de formação, constantes de equilíbrio e concentrações atmosféricas. Apresentamos a aplicação deste procedimento ao estudo de aglomerados de glicina hidratado em condições ambientais.

Watch this Scientific Journal Video about Computation of Atmospheric Concentrations of Molecular Clusters from ab initio Thermochemistry at JoVE.com

Computation of Atmospheric Concentrations of Molecular Clusters from ab initio Thermochemistry

As concentrações atmosféricas de aglomerados moleculares fracamente ligados podem ser computadas a partir das propriedades termoquímicas de estruturas de baixa energia encontradas através de uma metodologia de amostragem configuracional de várias etapas utilizando um algoritmo genético e química quântica semi-empírica e ab initio.

Computação de Concentrações Atmosféricas de Aglomerados Moleculares a partir de ab initio Termoquímica

The computational study of the formation and growth of atmospheric aerosols requires an accurate Gibbs free energy surface, which can be obtained from gas ...

Nosso protocolo fornece uma abordagem flexível e computacionalmente viável para estudar aglomerados moleculares fracamente ligados e pode ser facilmente aplicado para obter insights sobre sua estrutura, formação e abundância. A principal vantagem desta técnica é sua eficiência e flexibilidade no tratamento de aglomerados moleculares em diferentes níveis de teoria, desde campos de força rápidos e métodos semi-empíricos até métodos mecânicos quânticos rigorosos. A química atmosférica e aerossol pode se beneficiar mais dessa abordagem levando a melhores modelos de mudança climática.No entanto, qualquer campo que envolva aglomerados moleculares pode explorar essa abordagem. Para indivíduos que nunca realizaram essa técnica, as etapas mais desafiadoras são a instalação inicial do programa e script e sua adaptação ao ambiente de computação local. Os alunos novos em química computacional podem superar as curvas de aprendizagem íngremes no uso de clusters de computação de alto desempenho através da visualização de instruções passo a passo explícitas.Para obter uma estrutura de energia mínima de moléculas isoladas de glicina para uso em uma amostragem configuracional de algoritmo genético, abra uma nova sessão no Avogadro e clique em Construir, Inserir, Peptídeo, Gliccina e Inserir Peptídeo para gerar um monômero de glicina na janela de visualização. Clique em Extensões e Gaussian e edite a primeira linha na caixa de texto conforme indicado. Clique em Gerar e salvar o arquivo de comando como glycine.com.Para obter uma estrutura de energia mínima de água isolada, abra uma nova sessão no Abacate e selecione Construir, Inserir e Fragmentar. Digite água na caixa de texto do filtro, selecione o arquivo de água e clique em Inserir. Clique em Extensões e Gaussian e edite a primeira linha na caixa de texto conforme indicado.Clique em Gerar e salvar o arquivo de comando como water.com. Em seguida, transfira os dois arquivos com para o cluster de computação e execute os cálculos gaussianos 09 usando o script de envio apropriado. Uma vez que os cálculos tenham terminado no cluster de computação, ligue para o open babel para gerar arquivos xyz das estruturas de energia mínimas que entram no comando conforme indicado.Para amostragem configuracional baseada em algoritmo genético, adicione todos os scripts e modelos em uma pasta e copie a pasta para o cluster remoto. Certifique-se de que todos os scripts sejam executáveis e use os comandos conforme indicado para adicionar a localização do diretório de scripts à variável ambiental do caminho. Para obter um conjunto de estruturas de baixa energia para glicina e água no nível semi-empírico barato da teoria, crie um diretório chamado gly-h2o-n para o qual n é o número de moléculas de água e criar um subdiretório chamado GA sob a diretório gly-h2o-n para executar cálculos de algoritmos genéticos.Copie os arquivos de entrada ogolem, as coordenadas cartesianas monômeros e o script de envio de lote PBS no diretório GA e execute o cálculo de GA usando a execução adequadamente modificada. pbs enviar script. Uma vez que o cálculo esteja concluído, altere o diretório para gly-h2o-n GA pm7 e execute o comando getRotConsts como indicado onde 13 é o número de átomos no cluster e zero e nove indicam que há 10 estruturas com índices de zero a nove.Isso irá calcular as constantes rotacionais dos clusters otimizados de GA e gerar um arquivo chamado rotConstsData_C que contém uma lista classificada de todas as configurações de cluster otimizadas de GA, suas energias e suas constantes rotacionais. Executar a semelhançaAnalise. py script com rotConstsData_C arquivo como uma entrada para encontrar e salvar os clusters otimizados ga exclusivos.O PM7 será usado como uma etiqueta de nomeação de arquivos para gerar um arquivo chamado uniqueStructures-pm7.data. Isso contém uma lista classificada das configurações otimizadas para GA exclusivas. No diretório gly-h2o-n GA, use o combine-GA.csh script para combinar os resultados para múltiplas corridas de GA comparáveis e para gerar uma nova lista de estruturas únicas chamada uniqueStructures-pm7. dados no diretório gly-h2o-n GA. O diretório de trabalho deve ter a organização e estrutura exatas como ilustrado.Para refinar as estruturas dos aglomerados de água glicina do algoritmo genético baseado em um método semi-empírico para um usando um método mecânico quântico mais preciso, crie um subdiretório chamado QM sob o diretório gly-h2o-n. Sob o diretório QM, crie outro subdiretório chamado pw91-sb e copie a lista uniqueStructures do diretório gly-h2o-n GA para o diretório QM pw91-sb. Altere o diretório para gly-h2o-n QM pw91-sb e execute o script de teoria funcional de densidade de pequena base run-pw91-sb.csh para o qual sb é um rótulo para este conjunto de cálculos, Q é a fila preferida no cluster de computação, e 10 indica que 10 cálculos serão agrupados em um trabalho de lote. Uma vez que os cálculos enviados estejam concluídos, use o getRotConsts-dft-sb. csh script para extrair as energias e calcular as constantes rotacionais dos clusters otimizados de pequena base.Aqui, pw91 é a densidade funcional utilizada e n é o número de átomos no cluster. Use a análise similar. py script como antes para identificar as estruturas únicas, mas usar sb como o rótulo.Uma lista de configurações exclusivas otimizadas no nível de teoria da estrela pw91 631 mais G será salva no uniqueStructures-sb. arquivo de dados. No diretório QM gly-h2o-n, use o combinado combine-QM.csh script para combinar os resultados de várias corridas de QM comparáveis. A combinação-QM. o comando csh pw91-sb gerará uma nova lista de estruturas únicas chamada uniqueStructures-sb.dados no diretório QM gly-h2o-n. Para refinar ainda mais as estruturas dos aglomerados de glicina e água usando uma melhor descrição mecânica quântica, crie um subdiretório chamado pw91-lb sob o diretório QM. Copie a lista de estruturas exclusivas do diretório QM pw91-sb para o diretório QM pw91-lb e mude o diretório para QM pw91-lb.Execute o script de teoria funcional de grande densidade de densidade run-pw91-lb. csh para o qual lb é um rótulo para este conjunto de cálculos, Q é a fila preferida no cluster de computação, e 10 indica que 10 cálculos devem ser agrupados em um trabalho de lote. Uma vez que os cálculos enviados estejam concluídos, use o getRotConsts-dft-lb.comando csh para calcular as constantes rotacionais dos clusters otimizados de grande base. Aqui, pw91 é a densidade funcional utilizada e n é o número de átomos no cluster. Use a semelhançaAnalise.py script como antes com lb como o rótulo para gerar uma lista de configurações únicas otimizadas no pw91 6311 plus plus G star star theory level e salvar no uniqueStructures-lb. arquivo de dados. Para obter a estrutura vibracional e as energias dos aglomerados de glicina e água necessários para calcular as correções termoquímicas desejadas, copie a lista de estruturas únicas do diretório QM pw91-lb para o diretório ultrafine QM pw91-lb e mude o diretório para QM/pw91-lb ultrafine.Execute o script de teoria funcional de densidade ultrafina run-pw91-lb-ultrafine. csh para o qual a UF é um rótulo para este conjunto de cálculos, Q é a fila preferida no cluster de computação, e 10 indica que 10 cálculos devem ser agrupados em um trabalho de lote. Este script irá gerar automaticamente as entradas para Gaussian 09 e enviar todos os cálculos.Uma vez que os cálculos enviados estejam concluídos, use o getRotConsts-dft-lb-ultrafine. comando csh para calcular as constantes rotacionais dos clusters otimizados ultrafinos. Aqui, pw91 é a densidade funcional utilizada e n é o número de átomos no cluster.Use a semelhançaAnalise. py script como antes com uf como o rótulo para gerar e salvar uma lista de configurações únicas otimizadas para critérios de convergência ultrafino no pw91 6311 plus plus G star theory nível no uniqueStructures-uf. arquivo de dados.Em seguida, execute o run-thermo-pw91. csh script com uniqueStructures-uf. arquivo de dados como a entrada para calcular as correções termodinâmicas.Copie e cole a saída da linha de comando na planilha anexada chamada gly-h2o-n.xls. Como as energias brutas deste cálculo e o n subsequente é igual a dois, três, quatro e cinco cálculos são adicionados à primeira folha do gly-h2o-n. xls spredsheet, a folha de distribuição de hidratação que produz a concentração de equilíbrio de hidratos em diferentes temperaturas, umidade relativa e concentrações iniciais de água e glicina serão atualizadas.Aqui, podem ser observados isômeros eletrônicos mais baixos de aglomerados de água glicina. Observe como a rede de ligação de hidrogênio cresce em complexidade à medida que o número de moléculas de água aumenta movendo-se de uma rede principalmente planar para uma estrutura tridimensional semelhante a uma gaiola em n é igual a cinco. Nesta tabela, um exemplo da saída do run-thermo-pw91.o script csh é mostrado. Para cada cluster, a energia da pw91 6311 mais estrela G corresponde às energias eletrônicas da fase gasosa no pw91 6311 mais o nível de estrela G da teoria calculada em grades de integração ultrafinas em unidades de hartrees, bem como a energia vibracional de ponto zero em unidades de kilocalorie por toupeira. A cada temperatura, a formação de entalpia calculada delta H em um delta G de formação de energia sem Gibbs são dadas em unidades de quilocalorias por toupeira e a formação de entalpia calculada S é dada em unidades de calorias por toupeira.Nesta tabela, são mostrados cálculos representativos da mudança de energia total sem Gibbs da hidratação e da hidratação sequencial. Utilizando esses dados, as concentrações atmosféricas da glicina hidratada podem ser calculadas. Deve-se instalar o software correto e adicionar os scripts incluídos para refletir o próprio ambiente de computação.Adicionar a localização dos scripts ao seu caminho é crucial. Esta técnica foi utilizada para determinar a atividade catalítica dos aglomerados de água atmosférica em direção à formação de vínculos de peptídeos para contribuir para o campo da química prebiótica.

Education

Research

JoVE Core

JoVE Journal

Chemistry

Computation of Atmospheric Concentrations of Molecular Clusters from ab initio Thermochemistry

Thermochemistry

Chemical Equilibrium

SCIENTISTS IN ACTION

Isolation and Chemical Characterization of Lipid A from Gram-negative Bacteria

Isolamento e Caracterização química do lípido A de bactérias Gram-negativas

Lipopolysaccharide (LPS) is the major cell surface molecule of gram-negative bacteria, deposited on the outer leaflet of the outer membrane bilayer. LPS ...

Química

A Simple Method for the Size Controlled Synthesis of Stable Oligomeric Clusters of Gold Nanoparticles under Ambient Conditions

Um método simples para o tamanho Síntese controlada de estáveis ​​Oligoméricas Clusters de nanopartículas em condições ambientais

Reducing dilute aqueous HAuCl4 with sodium thiocyanate (NaSCN) under alkaline conditions produces 2 to 3 nm diameter nanoparticles. Stable grape-like ...

Construction and Systematical Symmetric Studies of a Series of Supramolecular Clusters with Binary or Ternary Ammonium Triphenylacetates

Construção e sistemática simétricas Estudos de uma série de Supramoleculares Clusters com binários ou ternários Triphenylacetates Amônio

Functions of clusters in nano or sub-nano scale significantly depend on not only kinds of their components but also arrangements, or symmetry, of their ...

Improved Heterojunction Quality in Cu2O-based Solar Cells Through the Optimization of Atmospheric Pressure Spatial Atomic Layer Deposited Zn1-xMgxO

Improved Heterojunction Quality in Cu2O-based Solar Cells Through the Optimization of Atmospheric Pressure Spatial Atomic Layer Deposited Zn1-xMgxO

Melhoria da Qualidade Heterojunction em Cu<sub&gt; 2</sub&gt; O baseados em células solares através da optimização da Pressão atmosférica Camada Espacial Atomic Depositado<br /&gt; Zn<sub&gt; X-1</sub&gt; Mg<sub&gt; x</sub&gt; ó

Atmospheric pressure spatial atomic layer deposition (AP-SALD) was used to deposit n-type ZnO and Zn1-xMgxO thin films onto p-type thermally oxidized Cu2O ...

Analyzing the Photo-oxidation of 2-propanol at Indoor Air Level Concentrations Using Field Asymmetric Ion Mobility Spectrometry

Analisando a foto-oxidação do 2-propanol em concentrações de nível de ar interno usando espectrometria de mobilidade do campo Ion assimétrica

We demonstrate a versatile protocol to be used for determining the effectiveness of photocatalysts in degrading indoor air concentration (ppb) volatile ...

Direct Imaging of Laser-driven Ultrafast Molecular Rotation

Direct Imaging da Laser-driven Ultrafast rotação Molecular

We present a method for visualizing laser-induced, ultrafast molecular rotational wave packet dynamics. We have developed a new 2-dimensional Coulomb ...

Fizzy Extraction of Volatile Organic Compounds Combined with Atmospheric Pressure Chemical Ionization Quadrupole Mass Spectrometry

Extração efervescente de compostos orgânicos voláteis combinados com a espectrometria de massa de quadrupoolos de ionização química de pressão atmosférica

Chemical analysis of volatile and semivolatile compounds dissolved in liquid samples can be challenging. The dissolved components need to be brought to ...

Combustion Chemistry of Fuels: Quantitative Speciation Data Obtained from an Atmospheric High-temperature Flow Reactor with Coupled Molecular-beam Mass Spectrometer

Química de combustão de combustíveis: especiação quantitativa de dados obtidos de um reator de fluxo de alta temperatura atmosférica com acoplado a espectrômetro de massa Molecular-feixe

This manuscript describes a high-temperature flow reactor experiment coupled to the powerful molecular beam mass spectrometry (MBMS) technique. This ...

Light-driven Molecular Motors on Surfaces for Single Molecular Imaging

Motores moleculares orientado a luz em superfícies para única imagem Molecular

The design and synthesis of a synthetic system that aims for the direct visualization of a synthetic rotary motor at the single molecule level on surfaces ...

Synthesis of In37P20(O2CR)51 Clusters and Their Conversion to InP Quantum Dots

Synthesis of In37P20O2CR51 Clusters and Their Conversion to InP Quantum Dots

Síntese de37P20(O2CR)51 clusters e sua conversão para pontos Quantum INP

This text presents a method for the synthesis of In37P20(O2C14H27)51 clusters and their conversion to indium phosphide quantum dots. The In37P20(O2CR)51 ...