时至今日，计算化学早已不仅仅是实验的附属品了，它随着计算水平的逐步提升和理论框架的逐步完善，现在，越来越多的纯计算可以单独发在以往的顶刊之上了。

1. Angew：金属-有机框架来自连接体和金属化学客体可访问性的机器学习预测

金属和连接体的选择，共同定义了金属有机框架(MOF)的结构，因此，客体是可访问的，但大量可能的金属连接体组合使合成组分的选择具有挑战性。在此，来自因果利物浦大学的Matthew J. Rosseinsky等研究者，通过将剑桥结构数据库中报道的实验三维MOF结构分解为金属和连接体，学习组分化学成分与MOF孔隙率之间的联系，仅基于实验员选择的这两个成分的身份，就以80.5%的确定性预测了MOF的客体的可访问性。客体可访问空间的孔隙尺寸可分为四个范围，有三个顺序模型。数据集和预测模型都可以下载，并提供简单的指导，基于客体可访问性考虑，可用于分离和催化的探索性MOF合成。

参考文献：

Pétuya, R., Durdy, S., Antypov, D., Gaultois, M..W., Berry, N..G., Darling, G..R., Katsoulidis, A..P., Dyer, M..S. and Rosseinsky, M..J. (2021), Machine Learning Prediction of Metal-Organic Framework Guest Accessibility from Linker and Metal Chemistry. Angew. Chem. Int. Ed.. Accepted Author Manuscript.

https://doi.org/10.1002/anie.202114573

原文链接：https://onlinelibrary.wiley.com/doi/10.1002/anie.202114573

2.Nano Letters：金属-有机骨架材料中的量子屈曲

金属-有机骨架是由金属离子或有机分子配位的团簇组成的多孔材料。作为对施加的单轴压力的响应，框架中呈直线形状的分子开始屈曲。在足够低的温度下，这种屈曲具有量子性质，可通过简并屈曲态的叠加来描述。相邻分子，在横向场中的屈曲状态是伊辛行为。在此，来自瑞典斯德哥尔摩大学的R. Matthias Geilhufe研究者，以金属有机骨架拓扑结构MOF-5为例，推导了应变作用下的相图，分别为正态相、抛物线相和铁屈曲相。在零温度下，应变可以诱导三相之间的量子相变。这种新型的有序结构，为应变诱导量子相的形成，开辟了一条新的途径。

参考文献：

Geilhufe, R. Matthias. "Quantum Buckling in Metal–Organic Framework Materials." Nano Letters (2021).

https://doi.org/10.1021/acs.nanolett.1c03579

原文链接：https://pubs.acs.org/doi/10.1021/acs.nanolett.1c03579

3.ACS Catalysis：VIM-1金属-β-内酰胺酶的QM/MM研究：催化反应机理

金属-β-内酰胺酶(MBLs)水解碳青霉烯类抗生素，是促进抗生素耐药性的生物学关键反应，MBLs从而导致了人类感染。因此，催化这种反应的酶是最重要的药理靶点之一，尤其是那些VIM型的。尽管其与抗生素耐药性的增加有关，但其催化美罗培南(碳青霉烯类抗生素)水解的基本机制尚不完全清楚。在此，来自智利安德雷斯贝略大学的Fabiola E. Medina & Gonzalo A. Jaña等研究者，报道了一种VIM-1金属-β-内酰胺酶水解美罗培南的催化机制。研究者利用混合量子力学/分子力学(QM/MM)计算方法探索了化学反应，使用三层，其中两层用高级从头算方法描述，分别为DLPNO-CCSD(T)/CBS + M06-2X/6-311+G(2d,2p)：AMBER。研究结果表明，反应发生可分为三个阶段：亲核加成，水取向和质子转移。水解反应限速步为初始阶段，吉布斯能垒为15.7 kcal·mol-1。该能量值与15.9 kcal·mol-1的实验数据(由13 s-1的kcat值推导而来)非常吻合。整个反应的吉布斯活化能为−14.5 kcal·mol-1。研究者对VIM-1酶促调节美罗培南水解的生化理解不仅解决了机制，而且允许人们识别影响反应限速步的非催化残留物。也就是说，重新审视第二配位球中残留物的静电作用，可以合理地鉴定出可以用于抑制金属-β-内酰胺酶活性或作为设计β-内酰胺抗生素的起点的突变体。

参考文献：

Medina, Fabiola E., and Gonzalo A. Jaña. "QM/MM Study of a VIM-1 Metallo-β-Lactamase Enzyme: The Catalytic Reaction Mechanism." ACS Catalysis 12 (2021): 36-47.

https://doi.org/10.1021/acscatal.1c04786

原文链接：https://pubs.acs.org/doi/10.1021/acscatal.1c04786

4.ACS Catalysis：Na-S电池工程界面双功能电催化剂的设计原理

可溶性多硫化钠(Na2Sn)的穿梭和缓慢的转化动力学，是钠硫 (Na–S)电池实际实现的主要障碍。在此，来自美国韦恩州立大学的Md Mahbubul Islam等研究者，为了应对这些挑战，使用第一性原理计算来设计双功能电催化剂，以实现与硫基阴极材料的工程界面。研究者阐述了在MoS2衬底(SACs@MoS2)上的过渡金属(TM)基单原子催化剂(SACs)上Na2Sn吸附、硫还原反应(SRRs)和催化分解的详细行为。研究者观察到掺杂在硫取代和钼顶位点上的SACs产生足够的结合能来固定高阶Na2Sn。研究者发现d带中心是决定多硫化物吸附能和催化活性的重要“描述符”。遗传因素，研究者阐明了d带中心向费米能级的较大上移以及所涉及的较多的空反键态与Na2Sn的吸附强度直接相关。分析发现，V和Ni SACs分别表现出更高和更低的结合能，与d带理论一致。此外，具有电子缺陷位点的SACs，通过降低SRR的自由能和降低Na2S分解的能垒，分别表现出双功能电催化活性，有利于加速放电和充电过程中的电极动力学。电子结构计算表明，由于中间隙态(主要来自TM-d轨道)，原始和Na2Sn吸附的SACs@MoS2的带隙显著减小，从而有望提高基底的电子导电性。对于SACs在调整多硫化物界面上与其d带中心相关的化学性质方面的作用的深入了解，是向高性能Na-S电池正极材料的合理设计迈出的重要一步。

参考文献：

Jayan, Rahul, and Md Mahbubul Islam. "Design Principles of Bifunctional Electrocatalysts for Engineered Interfaces in Na–S Batteries." ACS Catalysis 11 (2021): 15149-15161.

https://doi.org/10.1021/acscatal.1c04739

原文链接：https://pubs.acs.org/doi/10.1021/acscatal.1c04739

5.npj computational materials：用于快速搜索光催化剂的化学硬度驱动的可解释机器学习方法

近年来，将高通量(HT)和机器学习(ML)相结合以加速发现有前途的新材料的策略，引起了人们广泛关注。在这类研究中，关于新的指导原则的知识通常是稀缺的，这主要是由于ML模型的“黑箱”性质。在此，来自印度科学院的Abhishek K. Singh等研究者，设计了一种直观的方法，通过SHapley Additive explainexplain (SHAP)值解释这种不透明的ML模型，并将其与HT方法耦合，以寻找高效的2D水裂解光催化剂。研究者开发了一个包含3099种二维材料的新数据库，该数据库由金属与六种八面体结构的配体连接而成，称为2DO(八面体二维材料)数据库。ML模型的构建结合了成分和化学硬度特征，以了解热力学和整体稳定性。最重要的是，它结合了元素和结构特征的优势，区分了键连度不同的等组分2DO材料的目标性质。可解释的ML回归、分类和数据分析导致了一个新的假设，即高度稳定的2DO材料遵循HSAB原则。基于可见区域内合适的带隙和使用GW方法相对于标准氧化还原电位的带比对，进一步筛选了最稳定的2DO材料，结果产生了21个潜在候选材料。此外，HfSe2和ZrSe2被发现具有很高的太阳能-产氢效率，达到其理论极限。这里提出的方法，使得材料科学家和工程师能制定预测模型，而它是准确的、可物理解释、可转移且可计算处理的。

参考文献：

Kumar, R., Singh, A.K. Chemical hardness-driven interpretable machine learning approach for rapid search of photocatalysts. npj Comput Mater 7, 197 (2021).

https://doi.org/10.1038/s41524-021-00669-4

原文链接：https://www.nature.com/articles/s41524-021-00669-4