PuO的基态分子结构与相对论有效原子实势

用Pu的三种不同相对论有效原子实势 (RECP)和密度泛函 (B3LYP)、HF、MP2方法对PuO基态X5Σ-的分子结构、势能函数进行了计算 ,得到了相应的平衡几何构型和谐振频率 .采用最小二乘法拟合得到了PuO分子的Murrell Sorbie势能函数 ,在此基础上推导出光谱数据和力常数并与实验值做对比 ,结果表明 ,在三种RECP有效势中 ,对于平衡结构和离解能De 的计算 ,6 0个中心电子的SDD/B3LYP给出的结果较好 .而力常数f2 、f3 和 f4,以及光谱数据 ,则 14个价电子的 1987RECP/MP2的结果优于其它有效势和计算方法 .计算还给出了相应的电荷布居、自旋密度、电偶极矩和能量特征 .     

7Li2(X1∑g+)分子的振动能级、转动惯量及离心畸变常数

使用密度泛函理论B3LYP和B3P86,以及组态相互作用方法CCSD(T)和QCISD,利用多个基组对7Li2(X1∑g )分子的平衡核间距(Re)、谐振频率(ωe)和离解能(De)进行了计算,发现在CCSD(T)/cc-PVQZ理论水平下得到的结果(Re=0.2698 nm,ωe;346.82 cm-1和De=1.0487 eV)与实验值非常相符.在0.15-2.7 nm的核间距内对7Li2(X1∑g )分子的势能曲线进行了计算,同时使用最小二乘法将计算结果拟合成了解析势能函数.利用拟合出的解析势能函数并结合Rydberg-Klein-Rees方法,计算了光谱常数ωeXe,αe和βe,其值分别为ωeXe=2.648 cm-1αe=0.00702 cm-1和Be=0.6601 cm-1,也与实验值非常相符.以得到的解析势能函数为基础,通过求解双原子分子核运动的径向Schrodinger方程,找到了J=0时7Li2(X1∑g )分子的全部41个振动态,求出了每一振动态的振动能级、振动经典转折点及其转动惯量,其值与实验结果相符得很好.同时,利用得到的解析势能函数,还首次求得了相应于各振动态的6个离心畸变常数(Dv,Hv,Lv,Mv,Nv和Ov).     

基于机器学习模型的制冷剂燃爆特性预测

本文以常见可燃工质为对象,基于Gaussian 16W的M06-2X/6–311+G(d, p)优化计算,得出工质分子结构在微观模型下的分子描述符数据。同时采用多元线性回归(MLR)、随机森林(RF)、人工神经网络(ANN)三种不同的机器学习方法,将微观数据与宏观实验数据关联起来,从而预测这些工质的最小点火能,总体R2分别达到了0.853、0.782和0.906,表明预测有着良好的准确度和鲁棒性,该预测结果可以为新工质的实用性和安全性提供理论依据。     

AlC,SiC基态分子结构与分析势能函数的量子力学计算

用密度泛函理论的B3LYP方法和二次组态相互作用(QCISD(T))方法,选择6-31G(d,p)、6-311 G(2df,2pd)、6-311 G(3df,3pd)、cc-PVTZ、AUG-cc-PVTZ基组,优化计算了AlC和SiC分子基态的能量,平衡结构,谐振频率.根据原子分子反应静力学原理,导出了AlC和SiC分子基态的合理离解极限和离解能.通过优化计算结果和实验数据的对比,选择QCISD(T)/6-311 G(3df,3pd)方法对AlC和SiC分子基态的势能面进行了单点能扫描.采用最小二乘法拟合得到了AlC和SiC分子基态的Murell-Sor-bie势能函数.同时计算了光谱参数(Be,eα,ωe,ωeχe)和力常数(f2,f3,f4),并与实验结果进行比较.结果表明,计算结果与实验数据吻合的较好.     

5-羟基-7,4′-二甲氧基二氢黄酮分子结构的理论计算研究

分别应用HartreeFock从头算方法和B3LYP密度泛函方法从黑沙蒿中分离得到的5羟基7,4′二甲氧基二氢黄酮分子的几何构型进行优化,并采用规范不变原子轨道GIAO法,进行核磁共振化学位移计算,得到其两种构型的结构参数和NMR化学位移值,并对理论计算值与实验值的误差进行了统计分析.由计算结果推测该化合物分子结构中C(2)上的H在β位,即C(2)的绝对构型为S型.     

PuH和PuH2的分子结构与分子光谱

采用密度泛函B3LYP方法计算给出了H系元素Pu的氢化物PuH(X8Σ-)基态分子结构与光谱数据, 以及Murrell-sorbie势能函数. 对于PuH2分子的计算表明, 其基态为C2v结构, 电子状态为X7B1, 计算同时也给出了平衡结构和光谱数据, 并拟合得到其全空间多体展式解析势能函数.     

香豆素类化合物与人血清白蛋白结合常数的QSPR研究

以21种香豆素类化合物的结构参数、拓扑指数为描述符,借助逐步回归方法建立了多个香豆素类分子结构同其与人血清白蛋白作用的结合常数之定量结构-结合常数关系(QSPR)回归模型,获得了比较满意的结果.模型的分析结果表明,结合作用与香豆素分子的能量、Z向偶极、疏水性有关,对香豆素类药物的设计与筛选具有一定的指导作用.     

Neural Network Based on Quantum Chemistry for Predicting Melting Point of Organic Compounds

采用反向传播神经网络与定量结构-性质关系中量子化学参数相结合的方法测定有机化合物的熔点．11个反映分子间作用力和分子对称性的描述符作为输入变量,通过分子模型和PM3半经验分子轨道理论计算量子化学参数．用260个化合物训练由MatLab方法建立的神经网络,预测了73个化合物的熔点,并与文献中的实验数据进行比较,结果表明这种人工神经网络与定量结构-性质关系结合的方法可以预测有机化合物的熔点,平均绝对偏差5%．     

超分子结构单元研究黑索金的弹性各向异性

含能材料的弹性性质微观上体现了分子间的结合力,且与含能材料的化学分解和爆炸相关.因此,弹性性质-晶体结构的关联为设计具有特定性质的新材料和理解含能材料点火起爆提供了理论基础.本文提出超分子结构单元作为最小化学单元来定量表征黑索金(RDX)不同晶面的弹性模量.基于超分子结构单元的弹性模量模型表明,与弹性模量相关的微观因素有:超分子结构单元的分子对数量、分子对的平衡距离、分子间力常数以及分子间非键能与晶面法线的夹角;而弹性模量的各向异性来源于分子间非键能与晶面法线的夹角不同.研究结果表明, RDX的超分子结构单元包含15个RDX分子,以该超分子结构单元计算得到RDX(100),(010),(001),(210)和(021)晶面的弹性模量分别为21.7, 17.1, 20.1, 19.1和15.3 GPa.除RDX(001)晶面外,以上晶面的理论计算值与超声共振谱、脉冲激热散射、布里渊散射和纳米压痕实验值基本吻合. RDX(001)晶面的计算值(20.1 GPa)远高于实验值(15.9—16.6 GPa),原因可能是计算过程中将RDX分子看作刚性体,忽略了RDX(001)晶面在外界载荷作用下...     

AT1受体拮抗剂V8、V12和BZI8结构的量子化学研究

基于Mavromoustakos等人的分子动力学和蒙特卡罗方法结果,本文利用量子化学计算的方法研究了SARTANS(沙坦)类的3种AT1受体拮抗剂(V8、V12和BZI8).在B3LYP/6-31G(d)方法下计算得到了3种药物分子的平衡几何结构,并且采用B3LYP-GIAO/6-311G(d,p)方法计算了这些药物分子中的质子化学位移.通过研究结果可以看出,本文采用量子化学方法计算得到的3种分子的结构与Mavromoustakos等人通过分子动力学和蒙特卡罗方法得到的结果比较接近,计算结果与核磁共振实验的ROE数据和1H谱相比吻合得较好,说明所获得的结构较为合理.另外通过对所获得分子结构进行叠合分析发现,同属SARTANS类的3种分子在联苯咪唑环区域具有很大的相似性.     

部分有机物蝌蚪麻醉活性的预测

基于定量结构-活性相关性（QSAR）原理,研究了49种有机化合物结构与其蝌蚪麻醉活性的内在定量关系。首先应用分子电性作用矢量（molecular electronegativity interaction vector,MEIV）表征49种有机化合物的结构,再采用多元线性回归（MLR）方法建立了相应的QSAR预测模型,最后对所建模型分别进行了内部验证和外部验证。所建模型的复相关系数(Rcum)、留一法(LOO)交互校验复相关系数(RCV)和外部样本校验复相关系数(Qext)分别为0.9415、0.9127和0.9253,证明该模型均具有较高的稳定性和预测能力。     

Prediction of the logarithmic of partition coefficients (log P) of some organic compounds by least square-support vector machine (LS-SVM)

A new method least square-support vector machine (LS-SVM) was used to develop quantitative structure–property relationship (QSPR) models for predicting the logarithmic of n-octanol/water partition coefficient (log P) of some derivatives phenolic compounds. The calibration and predictive ability of LS-SVM were investigated and compared with those of three other methods; multiple linear regression (MLR), support vector linear regression (SVR) and artificial neural network (ANN). The results showed that the log P values calculated by LS-SVM were in good agreement with experimental values, and the performances of the LS-SVM models were comparable or superior to those of MLR, SVR and ANN methods. The root-mean-square errors of the training set and the predicting set for the LS-SVM model were 0.0855, 0.0746 and the squares of the correlation coefficients were 0.9960 and 0.9728, respectively. These values and other statistical parameters obtained for the LS-SVM model show the reliability of this model. LS-SVM is a new and effective method for predicting log P of some organic compounds, and can be used as a powerful chemometrics tool for QSPR studies.     

甾族化合物~(13)CNMR谱化学位移定量构谱关系的研究

利用原子电性距离矢量(Atomic Electro-negativity Distance Vector,AEDV)和原子杂化状态指数(Atomic Hybridization State Index,AHSI)对203个甾族化合物中4434个碳原子进行结构表征并与其核磁共振碳谱(13CNMR)建立多元线性定量结构波谱相关(QSSR)模型,同时运用逐步回归结合统计检测对模型变量进行筛选,最后采用内部及外部双重验证的办法对所得模型稳定性能进行深入分析和检验,建模计算值、留一法(leave-one-out,LOO)交互校验(cross-validation,CV)预测值和外部样本预测值的复相关系数(R)分别为0.9574、0.9571和0.9537.其结果表明,AEDV,AHSI与13CNMR谱化学位移显著相关.