• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

一种改进的 NDDO 衍生物半经验方法的参数化程序。

An improved parameterization procedure for NDDO-descendant semi-empirical methods.

机构信息

NUS High School of Mathematics and Science, 20 Clementi Avenue 1, 129957, Singapore, Singapore.

Centre for Quantum Technologies, National University of Singapore, 117543, Singapore, Singapore.

出版信息

J Mol Model. 2023 Mar 28;29(4):118. doi: 10.1007/s00894-023-05499-3.

DOI:10.1007/s00894-023-05499-3
PMID:36977949
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC10050048/
Abstract

CONCEPT

MNDO-based semi-empirical methods in quantum chemistry have found widespread application in the modelling of large and complex systems. A method for the analytic evaluation of first and second derivatives of molecular properties against semi-empirical parameters in MNDO-based NDDO-descendant models is presented, and the resultant parameter Hessian is compared against the approximant currently used in parameterization for the PMx models.

METHODS

As a proof of concept, the exact parameter Hessian is employed in a limited reparameterization of MNDO for the elements C, H, N, O and F using 1206 molecules for reference data (heats of formation, ionization energies, dipole moments and reference geometries). The correctness of our MNDO implementation was verified by comparing the calculated molecular properties with the MOPAC program.

摘要

概念

量子化学中的 MNDO 基半经验方法在大型复杂系统的建模中得到了广泛应用。本文提出了一种针对 MNDO 基 NDDO 衍生模型中半经验参数的分子性质一阶和二阶导数的解析评估方法，并将得到的参数 Hessian 与 PMx 模型参数化中当前使用的逼近值进行了比较。

方法

作为概念验证，我们使用 1206 个分子的参考数据（生成热、电离能、偶极矩和参考几何形状），在 MNDO 对 C、H、N、O 和 F 元素的有限重新参数化中，使用精确的参数 Hessian。我们通过将计算出的分子性质与 MOPAC 程序进行比较，验证了 MNDO 实现的正确性。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/3177927d3332/894_2023_5499_Fig7_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/05a8c1d97a0a/894_2023_5499_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/ace40dff4c57/894_2023_5499_Fig2_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/998a8b4d43d0/894_2023_5499_Fig3_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/5b99fe543407/894_2023_5499_Fig4_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/7a23f5f82301/894_2023_5499_Fig5_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/7240148aaca2/894_2023_5499_Fig6_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/3177927d3332/894_2023_5499_Fig7_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/05a8c1d97a0a/894_2023_5499_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/ace40dff4c57/894_2023_5499_Fig2_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/998a8b4d43d0/894_2023_5499_Fig3_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/5b99fe543407/894_2023_5499_Fig4_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/7a23f5f82301/894_2023_5499_Fig5_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/7240148aaca2/894_2023_5499_Fig6_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/09b6/10050048/3177927d3332/894_2023_5499_Fig7_HTML.jpg

相似文献

1
An improved parameterization procedure for NDDO-descendant semi-empirical methods.一种改进的 NDDO 衍生物半经验方法的参数化程序。
J Mol Model. 2023 Mar 28;29(4):118. doi: 10.1007/s00894-023-05499-3.
2
Extension of the PDDG/PM3 and PDDG/MNDO semiempirical molecular orbital methods to the halogens.将PDDG/PM3和PDDG/MNDO半经验分子轨道方法扩展至卤素。
J Comput Chem. 2004 Jan 15;25(1):138-50. doi: 10.1002/jcc.10356.
3
PDDG/PM3 and PDDG/MNDO: improved semiempirical methods.PDDG/PM3和PDDG/MNDO：改进的半经验方法。
J Comput Chem. 2002 Dec;23(16):1601-22. doi: 10.1002/jcc.10162.
4
NO-MNDO:  Reintroduction of the Overlap Matrix into MNDO.NO-MNDO：将重叠矩阵重新引入MNDO。
J Chem Theory Comput. 2006 Mar;2(2):413-9. doi: 10.1021/ct050174c.
5
Optimization of parameters for semiempirical methods IV: extension of MNDO, AM1, and PM3 to more main group elements.半经验方法参数的优化IV：将MNDO、AM1和PM3扩展到更多主族元素。
J Mol Model. 2004 Apr;10(2):155-64. doi: 10.1007/s00894-004-0183-z. Epub 2004 Mar 2.
6
The Feynman dispersion correction for MNDO extended to F, Cl, Br and I.MNDO的费曼色散校正扩展至氟、氯、溴和碘。
J Mol Model. 2019 May 11;25(6):156. doi: 10.1007/s00894-019-4038-z.
7
RM1: a reparameterization of AM1 for H, C, N, O, P, S, F, Cl, Br, and I.RM1：对氢、碳、氮、氧、磷、硫、氟、氯、溴和碘的AM1进行的重新参数化。
J Comput Chem. 2006 Jul 30;27(10):1101-11. doi: 10.1002/jcc.20425.
8
Energies, Geometries, and Charge Distributions of Zn Molecules, Clusters, and Biocenters from Coupled Cluster, Density Functional, and Neglect of Diatomic Differential Overlap Models.基于耦合簇、密度泛函和忽略双原子微分重叠模型的锌分子、团簇和生物中心的能量、几何结构及电荷分布
J Chem Theory Comput. 2009 May 12;5(5):1254-65. doi: 10.1021/ct900038m. Epub 2009 Apr 2.
9
Extension of the PDDG/PM3 Semiempirical Molecular Orbital Method to Sulfur, Silicon, and Phosphorus.将PDDG/PM3半经验分子轨道方法扩展至硫、硅和磷
J Chem Theory Comput. 2005;1(5):817-23. doi: 10.1021/ct0500287.
10
Comparison of SCC-DFTB and NDDO-based semiempirical molecular orbital methods for organic molecules.用于有机分子的SCC-DFTB和基于NDDO的半经验分子轨道方法的比较。
J Phys Chem A. 2006 Dec 21;110(50):13551-9. doi: 10.1021/jp064544k.

引用本文的文献

1
Geometry-Corrected Quadratic Optimization Algorithm for NDDO-Descendant Semiempirical Models.用于NDDO衍生半经验模型的几何校正二次优化算法
J Chem Theory Comput. 2025 Jan 14;21(1):138-154. doi: 10.1021/acs.jctc.4c01070. Epub 2024 Dec 18.

本文引用的文献

1
Comprehensive Analysis of the Neglect of Diatomic Differential Overlap Approximation.双原子微分重叠近似被忽视的综合分析。
J Chem Theory Comput. 2018 Oct 9;14(10):5169-5179. doi: 10.1021/acs.jctc.8b00601. Epub 2018 Sep 21.
2
Semiempirical Quantum-Chemical Orthogonalization-Corrected Methods: Theory, Implementation, and Parameters.半经验量子化学正交化校正方法：理论、实现与参数
J Chem Theory Comput. 2016 Mar 8;12(3):1082-96. doi: 10.1021/acs.jctc.5b01046. Epub 2016 Jan 29.
3
NO-MNDO:  Reintroduction of the Overlap Matrix into MNDO.
NO-MNDO：将重叠矩阵重新引入MNDO。
J Chem Theory Comput. 2006 Mar;2(2):413-9. doi: 10.1021/ct050174c.
4
Big Data Meets Quantum Chemistry Approximations: The Δ-Machine Learning Approach.大数据与量子化学近似：Δ机器学习方法。
J Chem Theory Comput. 2015 May 12;11(5):2087-96. doi: 10.1021/acs.jctc.5b00099. Epub 2015 Apr 23.
5
Machine Learning of Parameters for Accurate Semiempirical Quantum Chemical Calculations.用于精确半经验量子化学计算的参数的机器学习
J Chem Theory Comput. 2015 May 12;11(5):2120-2125. doi: 10.1021/acs.jctc.5b00141. Epub 2015 Apr 2.
6
Analytical second derivatives of the energy in MNDO methods.MNDO方法中能量的解析二阶导数。
J Comput Chem. 1996 Aug;17(11):1318-27. doi: 10.1002/(SICI)1096-987X(199608)17:11<1318::AID-JCC4>3.0.CO;2-P.
7
Optimization of parameters for semiempirical methods VI: more modifications to the NDDO approximations and re-optimization of parameters.半经验方法参数优化 VI：对 NDDO 近似的更多修正和参数的重新优化。
J Mol Model. 2013 Jan;19(1):1-32. doi: 10.1007/s00894-012-1667-x. Epub 2012 Nov 28.
8
Optimization of parameters for semiempirical methods V: modification of NDDO approximations and application to 70 elements.半经验方法参数的优化V：NDDO近似的修正及对70种元素的应用
J Mol Model. 2007 Dec;13(12):1173-213. doi: 10.1007/s00894-007-0233-4. Epub 2007 Sep 9.
9
RM1: a reparameterization of AM1 for H, C, N, O, P, S, F, Cl, Br, and I.RM1：对氢、碳、氮、氧、磷、硫、氟、氯、溴和碘的AM1进行的重新参数化。
J Comput Chem. 2006 Jul 30;27(10):1101-11. doi: 10.1002/jcc.20425.
10
Optimization of parameters for semiempirical methods IV: extension of MNDO, AM1, and PM3 to more main group elements.半经验方法参数的优化IV：将MNDO、AM1和PM3扩展到更多主族元素。
J Mol Model. 2004 Apr;10(2):155-64. doi: 10.1007/s00894-004-0183-z. Epub 2004 Mar 2.