An Efficient Workflow for Generation of Conformational Ensembles of Density Functional Theory Quality: Dimers of Polycyclic (Hetero-)Aromatics
Notice bibliographique
Résumé
Several composite density functional theory (DFT) methods, namely HF-3c, B97- 3c, PBEh-3c, r2SCAN-3c, and ωB97X-3c, were tested for accuracy and efficiency in computing binding energies of seven low-lying conformers of the pyrene homodimer, both in the gas phase and in toluene solution. The most promising method was B97-3c, with a Mean Absolute Deviation (MAD) for binding energies of 0.5 kJ/mol, relative to ωB97X-V/def2-TZVP results. Thus, B97-3c was used in a multi-tiered approach for generating conformational ensembles for a series of homodimers. The workflow involves six steps: (i) generate an initial ensemble, using the conformer-rotamer ensemble sam- pling tool (CREST), and its underlying GFN2-xTB method; (ii) reoptimize each mem- ber of the ensemble using B97-3c; (iii) discard duplicates and high-energy conformers; (iv) reoptimize the remaining conformers using ωB97X-D4/def2-SVP; (v) if needed, discard any high energy or duplicate conformers; (vi) compute vibrational frequencies using ωB97X-D4/def2-SVP and final single point energies using ωB97X-V/def2- QZVPP. The six-step workflow allows the generation of large DFT-quality ensembles efficiently, as demonstrated on the known pyrene dimer ensemble, and then applied to the homodimers of eight small polycyclic (hetero-)aromatic molecules related to asphaltenes: anthracene, phenanthrene, fluorenone, dibenzofuran, dibenzothiophene, dibenzothiophene oxide, N -methylcarbazole, and benzo[h]quinoline. The refined ensembles enabled an analysis of trends in dimerization structures and energies for these monomers, revealing a strong dependence for binding energy upon the magnitude of dipole cancellation.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».