SCOPE：一种面向分子与分子晶体的化学感知工作流自动化软件

《Digital Discovery》：SCOPE: a chemically-aware workflow automation software for molecules and molecular crystalsOpen Access

　　

大规模计算化学研究日益依赖自动化和可重复的工作流来探索化学空间。在实践中，这些工作流通常涉及用于化学表征、量子化学作业执行和数据分析的多种工具。然而，这些组件往往是割裂的，使得构建既具内聚性又可重复的端到端计算管线变得困难。本文介绍了SCOPE，一个面向分子与分子晶体计算化学工作流自动化的开源Python框架。SCOPE在一个统一架构中整合了分子系统的化学感知表征、工作流构建、高性能计算（HPC）执行和结构化数据管理。化学对象编码了原子、配体、分子和分子晶体之间的层级关系，使工作流和分析能够遵循化学直觉。计算任务通过结构化的工作流模型组织，而结果则被捕获在专门的状态对象中，从而支持自动化分析和热力学性质的计算。SCOPE的能力通过涉及自旋交叉过渡金属配合物和偶氮基分子光开关的工作流得到了展示。通过将化学感知与工作流自动化相结合，SCOPE实现了可重复的计算管线，并促进了高通量和数据驱动研究所需数据集的生成。

研究背景与问题

计算化学在分子和材料发现中发挥着越来越重要的作用。量子化学（Quantum Chemistry, QC）方法的进步和高性能计算（High-Performance Computing, HPC）资源的普及，使得对分子和晶体系统进行高通量虚拟筛选成为可能。这些研究通常包含多步工作流，涵盖数据挖掘、结构整理与制备、QC或机器学习（Machine Learning, ML）计算以及分析。然而，现有工作流多在异构软件环境中运行，依赖临时脚本进行构建和监控，这限制了可扩展性，引入了不一致性，并阻碍了可重复性和数据复用。尽管已有多种软件工具分别解决计算管线的特定环节，但构建从分子制备、模拟、分析到归档的端到端、化学一致的工作流仍然复杂。现有工具如AiiDA、Atomic Simulation Recipes（ASR）等在通用工作流自动化和数据溯源方面表现优异，但其化学表征停留在通用原子层面，缺乏对化学结构的深层理解。另一些工具如QMflows、CHEMSMART等虽提高了化学感知能力，但其化学表征主要描述单个分子结构，而非将其组织为化学上有意义的层级实体。因此，亟需一个能够将化学感知深度集成到工作流逻辑和数据管理中的统一框架。

研究内容与结论

研究人员开发了SCOPE，一个基于Python的开源框架，旨在作为自动化计算化学工作流的端到端平台。SCOPE围绕模块化、面向对象的架构构建，将化学表征、工作流定义、HPC执行和数据管理集成于统一框架中。其核心贡献在于将这些功能整合起来，并在整个工作流中保持化学上有意义的关系——原子、配体、金属、分子和分子晶体之间的关系始终与计算工作流、计算状态及后续分析相连接，从而使工作流能够遵循化学直觉。通过两个案例——自旋交叉（Spin-Crossover, SCO）过渡金属配合物和偶氮基分子光开关——展示了SCOPE的能力。研究表明，SCOPE能够实现可重复的计算管线，并有效促进高通量和数据驱动研究所需数据集的生成。

关键技术方法

1. 1.
   化学感知层级表征：SCOPE通过species和cell类实现非周期和周期结构的化学感知表征。species可对应完整分子、化学子结构（如配体）或更大聚集体；cell描述分子晶体。系统自动建立化学层级关系，识别分子中的配体和金属，创建专门的原子类对象，支持自上而下或自下而上的导航。
2. 2.
   结构化工作流模型：工作流通过严格的类层级编码：branch（分支）、workflow（工作流）、job（作业）和computation（计算）。支持五种作业类型：单点能（scf）、优化（opt）、过渡态搜索（ts）、Hessian计算（freq）和时间依赖密度泛函理论（TD-DFT/TDA-DFT）。通过定义作业间的“必要条件”和“约束条件”构建复杂工作流。
3. 3.
   HPC执行与文件管理：environment类配置和管理HPC集群资源，支持SLURM和SGE调度器。自动处理输入文件生成、作业提交、输出解析和失败恢复。项目遵循特定文件夹结构，便于本地与远程HPC集群间的数据同步。
4. 4.
   状态对象与数据分析：计算完成后，结果存储在state对象中，记录特定时间点的系统快照。state对象存储激发态数据、振动简正模式（Vibrational Normal Modes, VNMs）等，支持一键生成吸收光谱、红外光谱，并可计算电子熵、振动焓和振动熵等热力学性质，进而获得吉布斯自由能。
5. 5.
   领域专用插件：SCOPE采用模块化架构，核心包之上可添加可选插件。发布版本包含两个插件：scope-sco（自旋交叉系统）和scope-azo（偶氮基分子光开关），前者扩展了对自旋态和过渡金属配合物的支持，后者实现了从SMILES字符串生成异构体、过渡态结构以及光稳态（Photo-Stationary State, PSS）分析的全流程自动化。

研究结果

3.1 核心功能验证

• •
  导入与识别：在三个数据集上进行了基准测试：(i) cell2mol数据集（5000个随机选出的单金属过渡金属配合物分子晶体），所有晶胞均正确导入，仅发现20个晶胞中的80处不一致，源于cell2mol连接性数据错误；(ii) FORMED有机分子数据集（5000个XYZ文件），全部成功导入并生成全连通图，其中4972个生成了有效的键级矩阵，剩余28个因非常规原子环境（如五价硅、六价硼）导致xyz2mol无法处理；(iii) GEOM/QM9数据集（5000个RDKit分子），4995个实际分子正确导入，失败的5个为盐类（不支持的断连图）。
• •
  数据集过滤与提交：从cell2mol数据集中选取100个晶胞，识别出138个唯一配体，对其中43个含10-25个原子的配体执行单点能和几何优化工作流。41个成功完成（95.3%），2个因持续的自洽场收敛问题失败，SCOPE自动尝试调整QE的mixing_beta参数但未成功。

3.2 案例1：核心功能与SCO插件

• •
  化学感知：以CSD数据库中的ABITEM分子晶体为例（系统1），包含两种晶型（1a和1b）。SCOPE成功导入并建立了化学层级：晶胞1a含有8个分子（4个铁基过渡金属配合物和4个乙醇溶剂分子），过渡金属配合物进一步分解为3个配体和1个金属原子，所有属性按化学直觉存储。
• •
  计算工作流：设置两个分支B1（气相）和B2（固态）。B1对高自旋和低自旋孤立分子执行三步工作流：PBE优化→B3LYP优化→B3LYP Hessian计算，最终状态存储几何结构、能量和振动简正模式，可用于计算吉布斯自由能差和自旋转变温度。B2对高自旋和低自旋晶胞执行两步工作流：固定晶胞优化→变晶胞优化（PBE+U水平），SCOPE自动处理多重外部优化循环和收敛参数调整，无需用户干预。

3.3 案例2：偶氮插件

• •
  化学感知与计算工作流：以氯取代偶氮苯（系统2）为例，从SMILES字符串出发，SCOPE自动生成E型和Z型异构体以及8个候选过渡态结构（覆盖反转、单重态旋转和三重态旋转三种弛豫路径）。E型和Z型经历优化、频率和TD-DFT计算；过渡态经历过渡态搜索和频率分析。三重态旋转路径通过三重态极小值结合系间窜越概率校正近似处理。
• •
  分析：所有计算首次尝试即成功。最小能量过渡态（Minimum Energy Transition State, METS）对应于三重态旋转路径，能垒约21 kcal mol^-1，对应Z型半衰期4.4分钟。光学谱显示预期特征，Z型在约420 nm处有弱nπ*带。综合信息用于计算给定波长和温度下的光稳态比例PSS(T, λ)。

总结与结论

SCOPE作为一个化学感知的计算化学工作流自动化框架，通过将化学层级表征、结构化工作流、HPC执行和数据分析集成于统一架构，解决了现有工具在端到端可重复性和化学一致性方面的不足。其模块化设计支持通过插件扩展领域特定功能，已在自旋交叉系统和偶氮基光开关两个案例中得到验证。SCOPE的核心价值不在于单一功能的创新，而在于如何在保持化学有意义关系的前提下整合这些功能，使计算结果能够按照化学实体归属进行检验和分析，从而支持遵循化学直觉的工作流。研究结论表明，SCOPE能够显著降低构建可重复计算管线的复杂性，有效促进高通量和数据驱动研究所需数据集的生成。