یک روش توپولوژیک جدید بار اتمی در MOFها را تنها با استفاده از اتصال پیوندها پیشبینی میکند. TopoQEq بارها را مستقل از هندسه و با دقت بالا محاسبه میکند و زمان محاسبات را کاهش میدهد.
ایرانویو24- علمی
گزارش از ستاد ویژه توسعه فناوری نانو، این فناوری امکان اسکرینینگ سریع و خودکار هزاران چارچوب فلزی-آلی و طراحی مواد نانوحفره ای را فراهم میکند.
تیمی از محققان دانشگاه روهر بوخوم (Ruhr-Universität Bochum) روش جدیدی ارائه کردهاند که بار اتمی در چارچوبهای آلی فلزی (Metal-Organic Frameworks؛ MOF) را تنها با استفاده از اتصال پیوندی اتمها پیشبینی میکند.
این رویکرد توپولوژیک، به جای وابستگی به هندسه سهبعدی، مسیرهای کوتاه بین اتمها در گراف پیوندها را ملاک قرار میدهد و شبیهسازیهای گسترده و پردازشهای کامپیوتری در اسکرینینگ مواد را عملی میکند.
چارچوبهای آلی فلزی، شبکههایی متشکل از گرههای فلزی متصل به مولکولهای آلی هستند که بهواسطه کنترل اندازه و شیمی سطح منافذ، برای کاربردهایی مانند جذب دیاکسید کربن، ذخیره هیدروژن، دارورسانی هدفمند و جداسازی ایزوتوپها ایدهآلاند.
با وجود هزاران MOF متفاوت سنتز شده، آزمایش همه آنها در آزمایشگاه غیرممکن است و روشهای محاسباتی با استفاده از میدانهای نیرویی (Force Fields) نقش کلیدی ایفا میکنند.
یکی از ورودیهای حیاتی برای این شبیهسازیها، بار اتمی جزئی است؛ بار مثبت یا منفی کوچک هر اتم که رفتار الکترواستاتیکی و تعامل با مولکولهای مهم مثل CO₂ یا متان را تعیین میکند. روشهای معمول نیازمند محاسبات کوانتومی پرهزینه برای هر MOF هستند و با افزایش تعداد نمونهها، غیرقابل مدیریت میشوند.
TopoQEq: جایگزینی هندسه با توپولوژی
روش جدید با نام Topological Charge Equilibration (TopoQEq)، فاصلههای فضایی واقعی را با فاصلههای توپولوژیک جایگزین میکند؛ فاصلههایی که طول مسیر کوتاهترین مسیر پیوندی بین اتمها را میسنجند. چون اتصال پیوندی هنگام ارتعاش یا انعطاف چارچوب تغییر نمیکند، بارهای پیشبینیشده مستقل از هندسه خواهند بود.
در این رویکرد، اتمها بهعنوان رئوس و پیوندها بهعنوان یالهای یک گراف تعریف میشوند. هر یال وزن خاص خود را بر اساس شعاع کووالانسی اتمها میگیرد و با الگوریتم مسیر کوتاهترین مسیر، فاصله توپولوژیک بین هر جفت اتم محاسبه میشود.
این فاصلهها سپس در معادلات QEq کلاسیک جایگزین میشوند تا بارهای اتمی حاصل، بدون نیاز به اصلاح دستی، جمع کل صفر را حفظ کنند.
برای افزایش انتقالپذیری مدل بین MOFهای مختلف، سه سطح دستهبندی اتمها تعریف شده است:
etypes: تفکیک تنها بر اساس عنصر
ctypes: اضافه کردن تعداد همسایگان هر اتم
atypes: رمزگذاری هویت شیمیایی همسایگان برای بیشترین جزئیات
هر نوع اتم سه پارامتر قابل تنظیم دارد: پهنای توزیع بار، مقدار الکترونگاتیویته و اصلاح سختی. بهینهسازی پارامترها با استفاده از الگوریتم CMA-ES و دادههای مرجع بیش از ۲۰.۰۰۰ MOF در پایگاه QMOF انجام شد.
نتایج و کاربردها
مدل TopoQEq با جزئیات بیشتر اتمها، دقت بالاتری نشان داد؛ مدل atypes میانگین خطای ۰.۰۱۹ بار الکترونیکی و حداکثر خطای ۰.۳۵ بار داشت. بارهای پیشبینیشده جمع صفر را حفظ کردند و حساسیت مدل به تغییرات محیط شیمیایی (مثلاً جایگزینی هیدروژن با کلر) بهخوبی ثبت شد.
عملکرد محاسباتی نیز مطلوب است: زمان پیشبینی تقریباً با اندازه سیستم به توان ۲.۱۹ مقیاس میشود و برای سیستمهای بزرگتر از ۱۰.۰۰۰ اتم، نسخه پراکنده مدل با برش فاصلههای بلندمدت به حافظه کمتر و سرعت بیشتر دست مییابد.
برخلاف رویکردهای یادگیری ماشینی پیچیده مانند شبکههای عصبی گراف یا درخت تصمیم، TopoQEq بر پایه معادلات خطی کلاسیک است، که هزینه محاسباتی پایین و مقیاسپذیری مطلوب برای اسکرینینگ با حجم بالا و مدلسازی نانوبلورها بزرگ فراهم میکند.
TopoQEq امکان تولید بارهای اتمی مستقل از هندسه و تطبیقپذیر با محیط شیمیایی را فراهم میکند و گلوگاه اصلی در خودکارسازی تولید میدانهای نیرویی ویژه سیستم را از بین میبرد. این دستاورد راه را برای تحقیقات پرشتاب در طراحی MOFها و سایر مواد متخلخل هموار میکند.
