Хімія, фізика та технологія поверхні, 2021, 12 (1), 3-8.

Функції розподілу зарядів для характеризації складних систем



DOI: https://doi.org/10.15407/hftp12.01.003

V. M. Gun’ko

Анотація


Набір характеристик, розрахований у межах методів квантової хімії, може бути віднесений до локальних, що змінюються від атома до атома в складних системах. Просте усереднення пов'язаних значень дає досить погані характеристики систем, оскільки різні фракції певних атомів можуть мати різне оточення і, отже, різні характеристики, які не відповідають середньому. Метою цього дослідження є пошук більш адекватного шляху трансформації локальних характеристик, наприклад, атомних зарядів, у нелокальні на основі функцій розподілу. Функції розподілу атомних зарядів (CDF) можна розглядати як простий інструмент для аналізу неоднорідних складних систем, оскільки специфічність різних фракцій відображається у формі CDF. В цілому точність та ефективність підходу залежать від якості та доцільності використовуваних молекулярних та кластерних моделей, а також від квантово-хімічних методів (ab initio, DFT та напівемпіричних) та використаних базисних наборів. Наносистеми з десятками молекул (кластери, домени, нанокрапельки), що моделюють рідку фазу або міжфазний шар, і тверді наночастинки майже реальних розмірів (> 40 одиниць) можуть розглядатися як більш відповідні моделі реальних систем, ніж моделі з декількома молекулами і невеликими кластерами (< 10 одиниць). Цей підхід був застосований до представників таких різноманітних матеріалів, як активоване вугілля, пористі та непористі наночастинки кремнезему, немодифіковані та модифіковані з адсорбованими молекулами азоту, метану, води, людський сироватковий альбумін з молекулами доксорубіцину. Цей підхід може надати інформацію, корисну при аналізі будь-яких складних систем.


Ключові слова


атомні заряди; функції розподілу; DFT метод; напівемпіричні методи

Повний текст:

PDF (English)

Посилання


1. Weinhold F., Landis C.R. Discovering Chemistry with Natural Bond Orbitals. (New York: John Wiley & Sons. 2012). https://doi.org/10.1002/9781118229101

2. Helgaker T., Jorgensen P., Olsen J. Molecular Electronic Structure Theory. (New York: John Wiley & Sons, 2014).

3. Barone V. Computational Strategies for Spectroscopy: from Small Molecules to Nano Systems. (New York: John Wiley & Sons, 2011). https://doi.org/10.1002/9781118008720

4. Martin R.M., Reining L., Ceperley D.M. Interacting Electrons: Theory and Computational Approaches. (UK: Cambridge University Press, 2016). https://doi.org/10.1017/CBO9781139050807

5. Engel E., Dreizler R.M. Density Functional Theory: An Advanced Course. (Springer, 2013).

6. Bruneval F. Assessment of the linearized GW density matrix for molecules. J. Chem. Theory Comput. 2019. 15(7): 4069. https://doi.org/10.1021/acs.jctc.9b00333

7. Li J., D'Avino G., Duchemin I., Beljonne D., Blase X. Combining the many-body GW formalism with classical polarizable models: Insights on the electronic structure of molecular solids. J. Phys. Chem. Lett. 2016. 7(14): 2814. https://doi.org/10.1021/acs.jpclett.6b01302

8. Sethio D., Raggi G., Lindh R., Erdélyi M. Halogen bond of halonium ions: benchmarking DFT methods for the description of NMR chemical shifts. J. Chem. Theory Comput. 2020. 16(12): 7690. https://doi.org/10.1021/acs.jctc.0c00860

9. Grimme S., Bannwarth C., Shushkov P. A robust and accurate tight-binding quantum chemical method for structures, vibrational frequencies, and noncovalent interactions of large molecular systems parametrized for all spd-block elements (Z = 1-86). J. Chem. Theory Comput. 2017. 13(5): 1989. https://doi.org/10.1021/acs.jctc.7b00118

10. Gun'ko V.M., Turov V.V. Nuclear Magnetic Resonance Studies of Interfacial Phenomena. (Boca Raton: CRC Press, 2013). https://doi.org/10.1201/b14202

11. Gun'ko V.M. Modeling of interfacial behavior of water and organics. J. Theor. Comput. Chem. 2013. 12(07): 1350059. https://doi.org/10.1142/S0219633613500594

12. Gun'ko V.M. Interfacial phenomena: effects of confined space and structure of adsorbents on the behavior of polar and nonpolar adsorbates at low temperatures. Current Physical Chemistry. 2015. 5(2): 137. https://doi.org/10.2174/187794680502160111093413

13. Gun'ko V.M. Effects of methods and basis sets on calculation results using various solvation models. Him. Fiz. Tehnol. Poverhni. 2018. 9(1): 3. https://doi.org/10.15407/hftp09.01.003

14. Frisch M.J., Trucks G.W., Schlegel H.B., Scuseria G.E., Robb M.A., Cheeseman J.R., Scalmani G., Barone V., Mennucci B., Petersson G.A., Nakatsuji H., Caricato M., Li X., Hratchian H.P., Izmaylov A.F., Bloino J., Zheng G., Sonnenberg J.L., Hada M., Ehara M., Toyota K., Fukuda R., Hasegawa J., Ishida M., Nakajima T., Honda Y., Kitao O., Nakai H., Vreven T., Montgomery J.A., Peralta J.E., Ogliaro F., Bearpark M., Heyd J.J., Brothers E., Kudin K.N., Staroverov V.N., Kobayashi R., Normand J., Raghavachari K., Rendell A., Burant J.C., Iyengar S.S., Tomasi J., Cossi M., Rega N., Millam J.M., Klene M., Knox J.E., Cross J.B., Bakken V., Adamo C., Jaramillo J., Gomperts R., Stratmann R.E., Yazyev O., Austin A.J., Cammi R., Pomelli C., Ochterski J.W., Martin R.L., Morokuma K., Zakrzewski V.G., Voth G.A., Salvador P., Dannenberg J.J., Dapprich S., Daniels A.D., Farkas Ö., Foresman J.B., Ortiz J.V., Cioslowski J., Fox D.J. Gaussian 09, Revision D.01. (Gaussian, Inc. Wallingford CT, 2013).

15. Barca G.M.J., Bertoni C., Carrington L., Datta D., De Silva N., Deustua J.E., Fedorov D.G., Gour J.R., Gunina A.O., Guidez E., Harville T., Irle S., Ivanic J., Kowalski K., Leang S.S., Li H., Li W., Lutz J.J., Magoulas I., Mato J., Mironov V., Nakata H., Pham B.Q., Piecuch P., Poole D., Pruitt S.R., Rendell A.P., Roskop L.B., Ruedenberg K. Recent developments in the general atomic and molecular electronic structure system. J. Chem. Phys. 2020. 152: 154102. https://doi.org/10.1063/5.0005188

16. Marenich A.V., Cramer C.J., Truhlar D.G. Universal solvation model based on solute electron density and on a continuum model of the solvent defined by the bulk dielectric constant and atomic surface tensions. J. Phys. Chem. B. 2009. 113(18): 6378. https://doi.org/10.1021/jp810292n

17. Yang K., Zheng J., Zhao Y., Truhlar D.G. Tests of the RPBE, revPBE, τ-HCTHhyb, ωB97X-D, and MOHLYP density functional approximations and 29 others against representative databases for diverse bond energies and barrier heights in catalysis. J. Chem. Phys. 2010. 132(16): 164117. https://doi.org/10.1063/1.3382342

18. Becke A.D. Perspective: Fifty years of density-functional theory in chemical physics. J. Chem. Phys. 2014. 140(18): 18A301. https://doi.org/10.1063/1.4869598

19. Stewart J.J.P. MOPAC2016. Stewart Computational Chemistry, web: HTTP://OpenMOPAC.net. January 5, 2021.

20. Stewart J.J.P. Optimization of parameters for semiempirical methods VI: more modifications to the NDDO approximations and re-optimization of parameters. J. Mol. Mod. 2013. 19(1): 1. https://doi.org/10.1007/s00894-012-1667-x

21. Gun'ko V.M. Dynamics of chemical bonds and local density of electron states at heterogeneous surfaces. Colloids Surf. A: Physicochem. Eng. Aspects. 1995. 101(2-3): 279. https://doi.org/10.1016/0927-7757(95)03188-J

22. Turov V.V., Gun'ko V.M., Krupska T.V., Borysenko M.B., Kartel M.T. Interfacial behavior of polar and nonpolar frozen/unfrozen liquids interacting with hydrophilic and hydrophobic nanosilicas alone and in blends. J. Colloid Interface Sci. 2021. 588: 70. https://doi.org/10.1016/j.jcis.2020.12.065




DOI: https://doi.org/10.15407/hftp12.01.003

Copyright (©) 2021 V. M. Gun’ko

 CC By Creative Commons "Attribution" 4.0