计算方法对实验红外光谱构象归属的影响

《Vibrational Spectroscopy》：Influence of the computational methods in the conformational assignment of experimental infrared spectra

本文通过LCCS光谱相似性评分，评估了不同基组（如6-311++G(d,p)和aug-cc-pVTZ）与功能als（如B3LYP-D3BJ）在预测生物分子（多苯甘氨酸、Δ9-THC、3-O-乙酰基-D-吡喃糖苷阳离子）单构型光谱中的表现。研究发现极化函数（如d、f轨道）对光谱匹配至关重要，6-311++G(d,p)基组结合混合功能als可实现与高精度基组相当的定量分析。同时提出基于能量窗口（≥15 kJ/mol）的筛选策略，并验证了DFTB3等半经验方法在PES扫描中的适用性。

　　本研究聚焦于计算方法在识别实验测得的分子光谱对应构象方面的表现。随着实验技术的不断进步，科学家们已经能够获得相对较大的柔性分子的单一构象光谱，这为评估计算方法的准确性提供了理想的平台。研究团队选择了三种分子：二苯基丙氨酸（FF）、Δ9-四氢大麻酚（Δ9-THC）和3-O-乙酰基-2,4,6-三-O-甲基葡萄糖-D-吡喃糖阳离子（3O-Ac-Glu）作为测试对象。通过分析这些分子的光谱特征，研究探讨了不同泛函和基组在描述构象和光谱方面的有效性，并引入了一种新的光谱相似性指标——对数卷积余弦相似度（LCCS）。LCCS不仅能够量化频率差异，还能够评估强度差异，为构象识别提供更全面的评估标准。

在研究中，发现当选择混合泛函时，基组是影响构象正确识别的关键因素。特别是极化函数在提升计算精度方面发挥了重要作用。为了全面评估计算方法的性能，研究还分析了三个关键步骤：势能面扫描以寻找候选构象、候选构象的预优化以及基于能量的构象选择。实验数据表明，DFTB3半经验方法在计算效率和准确性之间提供了一个良好的折中方案，适用于势能面的初步扫描。对于预优化步骤，研究发现泛函梯度近似（GGA）结合较小的基组和极化函数已能实现足够的精度。而在构象选择中，混合泛函被推荐使用，并且应设定至少15 kJ/mol的能量窗口以确保准确性。

为了量化光谱差异，研究引入了LCCS这一指标。该方法通过卷积处理，将光谱数据转换为向量形式，并引入对数变换以增强对低强度光谱峰的敏感性。这种方法相较于传统的余弦相似度（CS）更具灵活性，因为它可以区分小频率偏移和显著的波段位移。例如，当两个波峰偏移20 cm?1时，LCCS能够给出一个较高的匹配度，而CS则可能低估差异。同样，当偏移量增加到70 cm?1时，LCCS仍能保持一定的匹配度，而CS则几乎无法识别。此外，LCCS还适用于包括振动圆二色性（VCD）、拉曼光学活性（ROA）和振动和频产生（vSFG）等涉及负波峰的光谱类型。

在基准测试中，研究发现较大的基组能够提供更准确的光谱预测。例如，aug-cc-pVTZ基组在所有分子中表现最佳。然而，这种趋势并非单调。某些较小的基组，如STO-3G和3-21G，因精度不足而被排除在进一步分析之外。对于6-31G基组，虽然它在某些分子中表现尚可，但其计算成本与精度之间的平衡并不理想。6-311G(d,p)基组提供了相对较好的精度，但计算资源消耗较高。而6-311G(2d,2p)基组在成本和精度之间取得了良好的平衡，与更昂贵的aug-cc-pVTZ基组具有相似的性能，但计算效率更高。此外，扩散函数（++）的引入在结合极化函数时能显著提升精度，但单独使用时仅增加计算成本而无实质改进。

在能量计算方面，研究强调了选择合适能量窗口的重要性。例如，对于Δ9-THC分子，即使使用较便宜的基组，能量偏差也能控制在合理范围内，但需注意设置较高的能量阈值以确保仅保留可能贡献于实验光谱的构象。对于FF和3O-Ac-Glu，能量偏差较大，因此建议采用至少15 kJ/mol的能量窗口以排除高能构象。这表明，在进行光谱计算前，能量选择应更加谨慎，因为低精度的能量计算可能导致错误的构象识别。

在几何优化过程中，研究发现泛函对结果的影响较小，只要使用混合泛函即可获得良好的几何结构。例如，6-31G(d,p)和6-311G(d)基组能够提供足够的几何精度，即使计算成本较低。此外，GGA泛函在几何优化中表现良好，能够作为预优化步骤的选择，但需注意其可能遗漏某些构象的问题。而混合泛函在能量计算中表现更优，特别是在处理涉及氢键的分子时，其准确性显著高于GGA泛函。

在势能面探索方面，研究评估了多种半经验方法和紧束缚方法的性能。例如，PM6方法在处理某些分子时表现较差，容易导致构象丢失。相比之下，GFN-xTB和DFTB3-D3BJ方法在构象识别方面更为可靠。特别是DFTB3-D3BJ方法，结合3-ob-3-1参数化，能够提供合理的几何结构，并在能量偏差方面表现良好。因此，该方法可以作为势能面初步扫描的有效工具，但需注意设置适当的能量阈值以确保保留低能构象。

综上所述，本研究揭示了计算方法在构象识别和光谱预测中的关键参数。基组的选择对光谱准确性至关重要，而泛函则在能量计算中发挥主导作用。混合泛函在能量和构象识别方面具有优势，但需配合适当的基组和能量窗口。此外，半经验方法和紧束缚方法在初步构象筛选中具有计算效率，但需谨慎选择能量阈值以避免遗漏重要构象。这些发现为未来研究提供了重要的指导，帮助科学家在计算成本和精度之间找到最佳平衡，从而更有效地解析实验光谱。