基于密度泛函的量子力学/分子力学（QM/MM）方法为溶剂化体系提供了化学上的高精度模拟

《Journal of Chemical Theory and Computation》：Density-Functionalized QM/MM Delivers Chemical Accuracy For Solvated Systems

提出了一种密度泛函化QM/MM方法，通过为MM子系统赋予电子密度并采用非加性泛函准确描述QM-MM相互作用，显著提升收敛速度和精度，在含水体系、葡萄糖溶剂化及Pd(aqua)2?等系统中验证了±2 kcal/mol化学精度，仅需包含第一层水分子。

　　在现代计算化学中，量子力学与分子力学（QM/MM）方法已经成为一种极为重要的工具。这种技术的核心在于将系统分为两个部分：一部分使用量子力学方法进行精确描述，另一部分则采用经典分子力学模型进行近似计算。通过这种分层次的计算方式，QM/MM方法能够在计算效率与模型精度之间取得良好的平衡，从而广泛应用于生物化学、药物设计以及材料科学等领域。然而，传统的QM/MM方法在某些方面仍然存在不足，特别是在处理复杂的量子-经典相互作用时，例如在水分子的溶剂化系统中，尽管单独使用量子力学方法或分子力学方法可以得到准确的结果，但两者的结合却常常导致整体精度下降。因此，我们提出了一种全新的方法，将分子力学子系统“密度功能化”，使其能够以类似于电子子系统的方式被处理，并且纳入严格子系统密度泛函理论（sDFT）的框架中。这种方法能够更加精确地捕捉量子-经典相互作用，同时提高模型的收敛速度。

我们提出的方法是基于一个更统一的处理框架，将量子力学和分子力学子系统都视为具有电子密度的系统。在传统方法中，分子力学子系统通常被忽略其电子结构，仅用点电荷或点极化偶极子进行描述，这种处理方式在某些情况下无法准确反映电子结构的细节。而我们提出的方法则通过将分子力学子系统赋予一个电子密度，使得其能够与量子力学子系统在相同的物理框架下进行相互作用的计算。这种处理方式使得我们可以使用第一性原理的密度泛函来计算量子-经典相互作用，从而能够捕捉所有相关的物理效应，如交换、相关、库仑相互作用、泡利排斥以及电荷穿透等。

在实际操作中，我们将分子力学子系统的原子核表示为伪势，并采用Garrity和Vanderbilt提出的超软伪势（GBRV）来保持计算效率。为了将分子力学子系统的电荷分布与量子力学子系统统一，我们采用粒子网格Ewald方法（PME）来高效地计算电子密度。这种方法允许我们将量子力学子系统的电场在分子力学子系统的空间网格点上进行表示，从而避免了在计算过程中对电子密度进行插值。此外，我们还对分子力学子系统的极化效应进行了建模，通过将极化偶极子映射到平滑的电子密度上，从而实现了量子力学和分子力学子系统之间的相互极化。

为了验证这一方法的准确性，我们进行了多个试点研究，包括水分子的聚集体、水的体相系统、溶剂化的葡萄糖分子、钯离子的水合体系以及湿态的MoS?单层结构。通过这些实验，我们发现该方法在量子-经典相互作用的计算上表现优异，特别是在处理水分子的溶剂化系统时，能够实现非常快速的收敛到化学精度。我们还观察到，当分子力学子系统被赋予电子密度后，其在水分子之间的相互作用能够得到更准确的描述，特别是在处理水分子的氢键相互作用时，能够更有效地模拟电荷分布和相互作用。

为了进一步评估该方法的性能，我们研究了不同规模的分子力学子系统对计算精度的影响。例如，在处理水分子的聚集体时，我们发现随着分子力学子系统规模的扩大，计算结果的精度得到了显著提高。同时，我们还研究了不同参数对电子密度的影响，例如在处理水分子的极化偶极子时，我们采用不同的高斯函数宽度来优化计算结果。这些参数的调整确保了计算结果在不同体系中的可迁移性。

在实际应用中，我们还考虑了分子力学子系统的自能修正。通过引入自能项，我们能够更准确地模拟分子力学子系统内部的相互作用。例如，在处理水分子的极化偶极子时，我们考虑了其自能项对计算结果的影响。这些修正使得我们能够更准确地模拟分子力学子系统内部的相互作用，从而提高计算的整体精度。

此外，我们还研究了不同计算方法对分子力学子系统的影响。例如，在处理水分子的聚集体时，我们发现采用不同的量子力学方法可以得到不同的计算结果。通过比较不同的量子力学方法，我们能够更准确地模拟水分子的相互作用，从而提高计算的整体精度。同时，我们还研究了不同分子力学方法对计算结果的影响，例如在处理水分子的极化偶极子时，我们发现采用不同的分子力学方法可以得到不同的计算结果。

综上所述，我们提出的方法在量子力学和分子力学子系统之间建立了一个更统一的处理框架，使得计算结果的精度得到了显著提高。这种方法不仅能够更准确地模拟水分子的相互作用，还能够更有效地处理其他复杂的分子体系。未来的工作将探索该方法在其他非水溶剂体系中的应用，例如在生物分子和材料界面中的应用。我们相信，这种方法将为计算化学提供一种新的、更高效的工具，从而推动该领域的发展。