Split-Charge Equilibration Parameters for Generating Rapid Partial Atomic Charges in Metal–Organic Frameworks and Porous Polymer Networks for High-Throughput Screening
Notice bibliographique
Résumé
The split-charge equilibration (SQE) method was parametrized to reproduce the quantum mechanical, electrostatic potential (ESP) in an atomistically and topologically diverse training set of 559 metal–organic frameworks (MOFs) and 45 porous polymer networks (PPNs). The training set contained a total of 17 elements and 31 unique element–element bonds, 13 inorganic SBUs, 101 organic SBUs, and 30 functional groups. The split-charge equilibration MOF electrostatic-potential-optimized, or SQE-MEPO, method was validated against a set of 585 (520 MOFs and 65 PPNs) that were not part of the training set by comparing the derived ESP to the quantum mechanical ESP and comparing the computed CO 2 uptakes and heats of adsorption at both low (0.15 bar) and high pressures (10 bar). For this large validation set, the SQE-MEPO ESP deviated from the QM ESP by 30% less than other parametrized charge determination methods with a mean absolute deviation (MAD) of 6.47 mHartree compared to the next closest method with a MAD of 9.53 mHartree. When comparing the CO 2 uptakes and heats of adsorption calculated with SQE-MEPO charges compared to charges best fit to reproduce the QM ESP, SQE-MEPO was found to have a have Pearson and Spearman correlation coefficients of >0.95 at both low and high pressures. SQE-MEPO allows for rapid charges to be generated for MOFs that provides DFT quality electrostatic interactions when simulating adsorption properties that are ideal for high throughput screening.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».