Performance of small basis set Hartree–Fock methods for modeling non-covalent interactions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Non-covalent interactions (NCIs) play an essential role in (bio)chemistry. Wavefunction-based methods combined with large basis sets are able to accurately describe inter-and intra-molecular NCIs but are not practical for large molecular systems. Semi-empirical corrections have been developed recently that, when combined with Hartree–Fock (HF) and a small basis set, show promise in the ability to predict non-covalent binding and conformational energies over a wide range of systems. Compared to large-basis-set correlated wavefunction methods, small-basis-set HF methods significantly lower computational cost and are useful for modeling large molecular systems with sizes between many hundreds and a few thousand atoms. Using a large collection of non-covalent binding energies, conformational energies, and molecular deformation energies containing 105 880 entries, we provide a comprehensive evaluation of the performance of the minimal basis set (MINIX) HF method with three correction schemes: D3, 3c, and atom-centered potentials (ACPs). We also evaluate the performance of HF/6-31G* in combination with the D3 and ACP schemes. By comparing the three corrections, we analyze the strengths and weaknesses associated with each strategy in predicting NCIs. Our results show that D3 corrections alone do not offer significant improvements in the performance of HF/MINIX or HF/6-31G* and, in some cases, overestimate binding energies resulting in large errors when compared to the reference data. The correction strategies that offer the best reduction in the underlying errors of HF/MINIX and HF/6-31G* are shown to be 3c and ACP for HF/MINIX and ACP for HF/6-31G*.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle