分层生成优化框架实现催化系统几何构型与化学组成的协同设计

《Journal of Cheminformatics》：Hierarchical generative modeling for the design of multi-component systems

　　催化剂、酶和超分子组装的功能并非仅来源于单个分子本身，而是源于复杂系统中多个组分之间微妙的相互作用。设计此类系统是一个重大挑战：可能的化学组成和空间排列的组合爆炸使得穷举式探索不可行，而许多当前的生成方法仍然局限于孤立分子。在本研究中，我们提出了一种分层生成优化框架，通过将用于构型搜索的遗传算法与用于分子设计的生成模型相结合来突破这一障碍。这种闭环方法能够同时优化几何结构和化学组成，从而高效地将发现过程引导至具有目标功能性的系统。作为概念验证，我们通过对固定参考过渡态几何结构周围的组分进行优化，为对甲苯基醚的Claisen重排设计了催化环境。尽管搜索阶段存在这一约束条件，但在固定环境的情况下，通过攀爬图像nudged elastic band（CI-NEB）计算进行的事后验证表明，活化能垒降低了约30%。除了这一示例之外，该框架还适用于具有以下特征的系统：具有明确定义的中央结构，并通过非共价相互作用的组分加以稳定，例如超分子主体和本地催化环境。