【文献解读009期】计算化学的今天与明天

此篇文章为一个综述的连载翻译

“S Grimme和P Schreiner 2018年在Angew上的综述译文 第一期”

丹麦政治家K K Steincke曾经在自传中写下了“做出判断不易，做出预言更难”的论断。许多计算化学家自称做出了预言，但许多情况下他们其实只是进行了“计算”或“判断”，就好像有不计其数的计算工作“预言”了一些关于水的二聚体的众所周知的事实。

而在这篇文章中，我们打算对计算化学的未来做出一些“预言”。当然在此之前也有许多人指出了计算化学将在未来面临何种挑战；而我们则将站在不同的角度，着重关注化学界正在发生的变化，这些变化很大程度上是由理论，算法和数据科学的发展而推动的。

本文的两位作者年纪相仿，都在计算化学领域工作了超过25年。凭借作者的经验，对未来25年（也就是到2043年为止，那时两位作者可能都已退休）进行预言或许并非痴人说梦。

巧合的是当前使用最广的泛函B3LYP也是在大约25年前提出的（译者注：B3LYP的正式提出是在1994年）。通过将HF交换引入到泛函中，人们将DFT的精度提高到了一个新的台阶，由此可以在可接受的耗时内研究许多较大的分子。二十多年来人们清晰地认识到了B3LYP的优点和弱项，并提出了大量更新更好的泛函，但B3LYP在计算化学历史上的地位无人能忘。

程序，方法，算法乃至硬件的进步对计算化学的未来发展至关重要。届时普通的单台计算机的运算能力有望达到500 GFlops，用这种计算机，可以以DFT水平在一天时间内完成一个100原子左右的分子的基态几何优化（译者注：现在也可以，只是作者在这里省略了使用3zeta基组的说明）。

摩尔定律告诉我们，每隔两年CPU里的晶体管密度就会翻倍，据此25年后计算机的计算能力将会提高一百万倍——当然这个估计过于乐观了。要达到这一目标，在CPU制造工艺以及并行技术方面都必须有重大突破，而这在近几年内希望渺茫。

按照最近几年的CPU性能进步速度，25年后计算机只会变快1000倍。如果这段时间内在算法层面能有进步，这三个数量级的差别可能可以被弥补。另一方面GPU是否能在计算化学中产生关键价值则难以预期。主要困难是计算化学程序能否跟上GPU发展的步伐；由于这些程序往往不是由专业计算机科学家开发，也缺乏商业运营，要让这些程序在硬件兼容性方面与时俱进并不容易。

举个例子。到2043年，计算力的进展可能允许人们在B3LYP-D3/TZ水平下优化紫杉醇分子。这个分子有113个原子，使用目前最新的RIJCOSX技术，紫杉醇的一步几何优化在28核的机器上需要18分钟。根据上一段提到的“乐观”估计，到了2043年，这一过程可能在0.1 ms内结束，而整个几何优化过程只需要0.1 s。如此高的速度可能允许人们进行梦寐以求的从头算分子动力学。现实一点的话，整个构型优化可能需要用2 min，而分子动力学仍然要几天时间，因此算法革新仍然是必要的。

过去的25年内，算法革新已经让CCSD(T)的耗时缩短了10个数量级，但其耗时随体系大小的增速仍然是惊人的。传统的CCSD(T)的时间复杂度为O(N^7)。热力学量是广度性质，随着体系扩大而线性增大，因此我们希望计算方法的时间复杂度能达到O(N)。

经过多年努力人们得到了满足这一性质的方法，也就是DLPNO-CCSD(T)，借助这一方法人们已经可以处理100原子左右的体系，甚至完成了CCSD(T)研究蛋白质的壮举。

另一个重要的进展是RI技术，它不仅可以降低时间复杂度，还可以加速一些数值过程。DFT, MP2, CC都可以利用RI技术，耗时可以降低10到100倍。下图展示了过去，现在和未来计算化学在不同尺度可以使用的工具。

接下来我们将对一些计算化学中重要的问题分项叙述。这些题材的选取不可避免地受到作者研究经历影响而带上个人色彩，但我们希望它们可以反映计算化学未来的发展趋势。

（to be continued）

DOI: 10.1002/anie.201709943

==END==

  你“在看”我吗