编辑推荐:
研究人员探究了基于部分电荷、键级、键长及元素类型,利用机器学习方法预测氢键能量的能力。支持向量回归(SVR)结合梯度提升(gradient boosting)取得了3%的平均绝对百分比误差,较既往模型显著改善。最优模型采用BLYP或B3LYP泛函配合def2-
研究人员探究了基于部分电荷、键级、键长及元素类型,利用机器学习方法预测氢键能量的能力。支持向量回归(SVR)结合梯度提升(gradient boosting)取得了3%的平均绝对百分比误差,较既往模型显著改善。最优模型采用BLYP或B3LYP泛函配合def2-SVP双ζ基组计算的L?wdin部分电荷与键级作为特征。此外,半经验GFN2-xTB方法可用于计算Mulliken部分电荷与Wiberg键级作为回归模型输入特征,平均绝对百分比误差为4%。所有模型均基于耦合簇单双激发加微扰三激发并外推至完备基组极限(CCSD(T)/CBS)的能量进行拟合。
研究背景方面,氢键作为非共价相互作用,其强度量化长期受限于传统量子化学方法无法直接给出单个氢键能量,且几何判据与线性拟合(如两中心共享电子数2c-SEN、频率位移)在协同效应或排斥构型下误差较大。现有机器学习模型多局限于氢键碱性标度预测,不能直接给出氢键能。为此,研究人员在《ACS Omega》发表工作,构建以局部电子结构特征为输入、以高精度耦合簇参考能为标签的回归框架,系统比较不同密度泛函与半经验方法特征下多种机器学习算法的表现,旨在提供可处理分子内/间氢键且适用于大体系的低成本预测工具。
关键技术方法上,研究人员基于1638个N/O/F/S/Cl为受体、N/O/F/S为供体的二聚体约束优化结构,以DLPNO–CCSD(T)外推至完备基组(cc-pVDZ/cc-pVTZ)得到氢键解离能作参考;特征分别来自B3LYP/def2-SVP与BLYP/def2-SVP的L?wdin部分电荷和键级、GFN2-xTB的Mulliken电荷与Wiberg键级,辅以键长距离与元素独热编码;算法覆盖线性回归、多项式、随机森林、SVR、高斯过程、神经网络及AdaBoost与梯度提升集成,经5折交叉验证与网格搜索定超参。
研究结果部分,在“Regression Models Trained on the B3LYP Data Set”中,线性模型平均均方根误差(aRMSE)9.5 kJ/mol,三次多项式降至3.5 kJ/mol,五阶Ridge达2.1 kJ/mol;SVR(RBF核)aRMSE 2.1 kJ/mol,叠加梯度提升后最优aRMSE 1.3 kJ/mol,测试集平均绝对误差0.5 kJ/mol、平均绝对百分比误差3%、决定系数0.999。随机森林Gini重要性显示受体电荷qA(38.4%)、供体–氢键级BODH(25.3%)、供体电荷qD(18.3%)主导精度。在“Regression Model Trained on the BLYP Data Set”中,BLYP特征下SVR+梯度提升同样达aRMSE 1.3 kJ/mol、测试误差3%,证明杂化泛函非必需。在“Regression Model Trained on the xTB2 Data Set”中,GFN2-xTB特征因Wiberg键级限制省略BOAH,SVR+梯度提升aRMSE 1.8 kJ/mol,测试平均绝对误差0.7 kJ/mol、平均绝对百分比误差4%、决定系数0.998,仍满足大体系快速评估需求。
讨论与结论翻译:研究人员最初生成以CCSD(T)/CBS为参考的氢键能数据集,DFT模型以BLYP或B3LYP双ζ基组取L?wdin电荷与键级联合键长距离和元素类型作输入;三次多项式已较线性模型明显改善并兼容协同效应区,SVR+梯度提升最优(决定系数0.999,平均绝对百分比误差3%)。GFN2-xTB的Mulliken电荷与Wiberg键级模型稍逊(决定系数0.998,平均绝对百分比误差4%)。三套SVR+梯度提升模型均可高效判定受协同效应影响的分子内/间氢键。Gini分析表明受体原子部分电荷、供体原子部分电荷及供体–氢键级对回归精度影响最强。该方法可拓展至药物设计弱氢键筛选、催化中间体稳定作用评估及微污染物在功能化膜表面吸附机制分析;未来可融入核量子效应、电场依赖及基础模型预测的局部电荷键级特征。