Hispanopedia Wiki
Articulo de referencia

Química computacional

Molécula C 60 con isosuperficie de densidad electrónica del estado fundamental calculada mediante la teoría del funcional de la densidad. La química computacional es una rama de...

Hispanopedia WikiContenido en espanolLectura gratuita
Este es un buen artículo. Haz clic aquí para obtener más información.

Molécula C 60 con isosuperficie de densidad electrónica del estado fundamental calculada mediante la teoría del funcional de la densidad.

La química computacional es una rama de la química que utiliza simulaciones por computadora para ayudar a resolver problemas químicos. [ 1 ] Utiliza métodos de química teórica incorporados en programas informáticos para calcular las estructuras y propiedades de moléculas , grupos de moléculas y sólidos. [ 2 ] Los químicos computacionales generalmente se centran en desarrollar y aplicar programas y metodologías informáticas a cuestiones químicas específicas. [ 3 ] : 4

La complejidad inherente al problema de muchos cuerpos agrava el desafío de proporcionar descripciones detalladas de los sistemas mecánicos cuánticos. [ 4 ] Los resultados computacionales pueden complementar la información obtenida mediante experimentos químicos o predecir fenómenos químicos no observados . [ 5 ]

Historia

Partiendo de los descubrimientos y teorías fundacionales en la historia de la mecánica cuántica , los primeros cálculos teóricos en química fueron los de Walter Heitler y Fritz London en 1927, utilizando la teoría del enlace de valencia . [ 6 ] Los libros que fueron influyentes en el desarrollo inicial de la química cuántica computacional incluyen Introducción a la mecánica cuántica – con aplicaciones a la química de Linus Pauling y E. Bright Wilson (1935 ) , [ 7 ] Química cuántica de Eyring , Walter y Kimball (1944) , [ 8 ] Mecánica ondulatoria elemental de Heitler (1945 ) – con aplicaciones a la química cuántica , [ 9 ] y, posteriormente, el libro de texto Valencia de Coulson (1952 ), cada uno de los cuales sirvió como referencia primaria para los químicos en las décadas siguientes. [ 10 ]

Con el desarrollo de la tecnología informática eficiente en la década de 1940, las soluciones de elaboradas ecuaciones de onda para sistemas atómicos complejos comenzaron a ser un objetivo realizable. A principios de la década de 1950, se realizaron los primeros cálculos semiempíricos de orbitales atómicos. Los químicos teóricos se convirtieron en usuarios extensivos de las primeras computadoras digitales. Un avance significativo fue marcado por el artículo de Clemens CJ Roothaan de 1951 en Reviews of Modern Physics. [ 11 ] [ 12 ] Este artículo se centró en gran medida en el enfoque "LCAO MO" (Combinación lineal de orbitales atómicos y orbitales moleculares). Smith y Sutcliffe dan una descripción muy detallada de dicho uso en el Reino Unido. [ 13 ] Los primeros cálculos ab initio del método Hartree-Fock en moléculas diatómicas se realizaron en 1956 en el MIT, utilizando un conjunto base de orbitales de Slater . Para moléculas diatómicas, Ransil y Nesbet publicaron respectivamente en 1960 un estudio sistemático utilizando un conjunto de base mínimo y el primer cálculo con un conjunto de base mayor. [ 14 ] Los primeros cálculos poliatómicos utilizando orbitales gaussianos se realizaron a finales de la década de 1950. Los primeros cálculos de interacción de configuraciones se realizaron en Cambridge en la computadora EDSAC en la década de 1950 utilizando orbitales gaussianos por Boys y colaboradores. [ 15 ] Para 1971, cuando se publicó una bibliografía de cálculos ab initio , [ 16 ] las moléculas más grandes incluidas fueron el naftaleno y el azuleno . [ 17 ] [ 18 ]

En 1964, se generaron en computadoras de Berkeley y Oxford cálculos del método de Hückel (que utiliza un método simple de combinación lineal de orbitales atómicos (LCAO) para determinar las energías electrónicas de los orbitales moleculares de electrones π en sistemas de hidrocarburos conjugados) de moléculas, con una complejidad que abarcaba desde el butadieno y el benceno hasta el ovaleno . [ 19 ] Estos métodos empíricos fueron reemplazados en la década de 1960 por métodos semiempíricos como el CNDO . [ 20 ]

A principios de la década de 1970, se empezaron a utilizar programas informáticos ab initio eficientes , como ATMOL, Gaussian , IBMOL y POLYAYTOM, para acelerar los cálculos ab initio de orbitales moleculares. [ 21 ] De estos cuatro programas, solo Gaussian, ahora ampliamente ampliado, sigue en uso, pero muchos otros programas también se utilizan actualmente. [ 21 ] Al mismo tiempo, se desarrollaron los métodos de mecánica molecular , como el campo de fuerza MM2 , principalmente por Norman Allinger . [ 22 ]

Una de las primeras menciones del término química computacional se encuentra en el libro de 1970 Computers and Their Role in the Physical Sciences de Sidney Fernbach y Abraham Haskell Taub, donde afirman: «Parece, por lo tanto, que la "química computacional" finalmente puede ser cada vez más una realidad». [ 23 ] Durante la década de 1970, métodos muy diferentes comenzaron a ser vistos como parte de una nueva disciplina emergente de química computacional . [ 24 ] El Journal of Computational Chemistry se publicó por primera vez en 1980.

La química computacional ha figurado en varios premios Nobel. En 1998, el Premio Nobel de Química fue otorgado a Walter Kohn , "por su desarrollo de la teoría del funcional de la densidad", y a John Pople , "por su desarrollo de métodos computacionales en química cuántica". [ 25 ] Martin Karplus , Michael Levitt y Arieh Warshel recibieron el Premio Nobel de Química de 2013 por "el desarrollo de modelos multiescala para sistemas químicos complejos". [ 26 ]

Aplicaciones

La química computacional tiene una amplia gama de aplicaciones [ 27 ] [ 28 ] [ 29 ]

Estos campos pueden dar lugar a diversas aplicaciones, como se muestra a continuación.

Catálisis

La química computacional puede ayudar a predecir valores como la energía de activación en la catálisis. La presencia del catalizador abre una vía de reacción diferente (mostrada en rojo) con menor energía de activación. El resultado final y la termodinámica general son los mismos.

La química computacional es una herramienta para analizar sistemas catalíticos sin realizar experimentos. La teoría moderna de la estructura electrónica y la teoría del funcional de la densidad han permitido a los investigadores descubrir y comprender los catalizadores . [ 36 ] Los estudios computacionales aplican la química teórica a la investigación de la catálisis. Los métodos de la teoría del funcional de la densidad calculan las energías y los orbitales de las moléculas para obtener modelos de esas estructuras. [ 37 ] Mediante estos métodos, los investigadores pueden predecir valores como la energía de activación , la reactividad del sitio [ 38 ] y otras propiedades termodinámicas. [ 37 ]

Los datos difíciles de obtener experimentalmente pueden hallarse mediante métodos computacionales para modelar los mecanismos de los ciclos catalíticos. [ 38 ] Los químicos computacionales expertos proporcionan predicciones cercanas a los datos experimentales, considerando adecuadamente los métodos y los conjuntos de bases. Con buenos datos computacionales, los investigadores pueden predecir cómo mejorar los catalizadores para reducir el coste y aumentar la eficiencia de estas reacciones. [ 37 ]

Desarrollo de fármacos

La química computacional se utiliza en el desarrollo de fármacos para modelar moléculas potencialmente útiles y ayudar a las empresas a ahorrar tiempo y costes en dicho desarrollo. El proceso de descubrimiento de fármacos implica analizar datos, encontrar formas de mejorar las moléculas existentes, hallar rutas sintéticas y probar dichas moléculas. [ 34 ] La química computacional facilita este proceso al predecir qué experimentos serían los más adecuados sin necesidad de realizar otros. Los métodos computacionales también permiten encontrar valores difíciles de obtener experimentalmente, como los valores de pKa de los compuestos. [ 39 ] Métodos como la teoría del funcional de la densidad pueden utilizarse para modelar moléculas de fármacos y determinar sus propiedades, como sus energías HOMO y LUMO y sus orbitales moleculares. [ 40 ]

Además de la síntesis de fármacos, los químicos computacionales también investigan los transportadores de fármacos basados ​​en nanomateriales . Esto permite a los investigadores simular entornos para probar la eficacia y la estabilidad de los transportadores. Comprender cómo interactúa el agua con estos nanomateriales garantiza su estabilidad en el cuerpo humano. Estas simulaciones computacionales ayudan a los investigadores a optimizar el material y encontrar la mejor manera de estructurar estos nanomateriales antes de su fabricación. [ 41 ]

Bases de datos de química computacional

Las bases de datos son útiles tanto para químicos computacionales como para químicos tradicionales en la investigación y la verificación de la validez de los métodos computacionales. Los datos empíricos se utilizan para analizar el error de los métodos computacionales comparándolos con datos experimentales. Estos datos ayudan a los investigadores a tener mayor confianza en sus resultados, tanto en sus métodos como en sus conjuntos de bases. Las bases de datos de química computacional también se utilizan para probar software o hardware en química computacional.

Las bases de datos también pueden utilizar datos puramente calculados. Estos datos emplean valores calculados en lugar de valores experimentales. De esta forma, se evitan los ajustes necesarios para diferentes condiciones experimentales, como la energía del punto cero. Estos cálculos también pueden evitar errores experimentales en el caso de moléculas difíciles de analizar. Si bien los datos puramente calculados a menudo no son perfectos, identificar problemas suele ser más sencillo con datos calculados que con datos experimentales.

Las bases de datos también brindan acceso público a información para que los investigadores la utilicen. Contienen datos que otros investigadores han encontrado y subido a estas bases de datos para que cualquiera pueda buscarlos. Los investigadores utilizan estas bases de datos para encontrar información sobre moléculas de interés y aprender qué se puede hacer con ellas. Algunas bases de datos de química disponibles públicamente incluyen las siguientes. [ 42 ]

  • BindingDB : Contiene información experimental sobre interacciones proteína-molécula pequeña. [ 43 ]
  • RCSB : Almacena modelos 3D disponibles públicamente de macromoléculas (proteínas, ácidos nucleicos) y moléculas pequeñas (fármacos, inhibidores) [ 44 ].
  • ChEMBL : Contiene datos de investigación sobre el desarrollo de fármacos, como resultados de ensayos. [ 42 ]
  • DrugBank : Aquí se pueden encontrar datos sobre los mecanismos de acción de los fármacos. [ 42 ]

Métodos

Método ab initio

Los programas utilizados en química computacional se basan en diversos métodos químico-cuánticos que resuelven la ecuación de Schrödinger molecular asociada al hamiltoniano molecular . [ 45 ] Los métodos que no incluyen parámetros empíricos o semiempíricos en sus ecuaciones  —al derivarse directamente de la teoría, sin incluir datos experimentales—  se denominan métodos ab initio . [ 46 ]

Los métodos ab initio necesitan definir un nivel de teoría (el método) y un conjunto de base. [ 47 ] Un conjunto de base consiste en funciones centradas en los átomos de la molécula. Estos conjuntos se utilizan luego para describir los orbitales moleculares mediante el método de orbitales moleculares de combinación lineal de orbitales atómicos (LCAO) . [ 48 ]

Diagrama que ilustra diversos métodos de estructura electrónica ab initio en términos de energía. Los espaciados no están a escala.

Un tipo común de cálculo de estructura electrónica ab initio es el método de Hartree-Fock (HF), una extensión de la teoría de orbitales moleculares , donde las repulsiones electrón-electrón en la molécula no se tienen en cuenta específicamente; solo se incluye el efecto promedio de los electrones en el cálculo. A medida que aumenta el tamaño del conjunto base, la energía y la función de onda tienden hacia un límite llamado límite de Hartree-Fock. [ 48 ]

Muchos tipos de cálculos comienzan con un cálculo de Hartree-Fock y posteriormente corrigen la repulsión electrón-electrón, también conocida como correlación electrónica . [ 49 ] Estos tipos de cálculos se denominan métodos post-Hartree-Fock . Al mejorar continuamente estos métodos, los científicos pueden acercarse cada vez más a predecir con precisión el comportamiento de los sistemas atómicos y moleculares dentro del marco de la mecánica cuántica, tal como la define la ecuación de Schrödinger. [ 50 ]

En la mayoría de los casos, la función de onda de Hartree-Fock ocupa una única configuración o determinante. [ 51 ] En algunos casos, particularmente para procesos de ruptura de enlaces, esto es inadecuado y deben utilizarse varias configuraciones . [ 52 ]

La energía molecular total puede evaluarse en función de la geometría molecular ; es decir, la superficie de energía potencial . Dicha superficie puede utilizarse para el estudio de la dinámica de reacciones. Los puntos estacionarios de la superficie permiten predecir la formación de diferentes isómeros y las estructuras de transición para la conversión entre ellos. [ 53 ]

Diagrama de orbitales moleculares de los sistemas pi conjugados de la molécula de diazometano utilizando el método de Hartree-Fock , CH₂N₂

Termoquímica computacional

Un objetivo particularmente importante, denominado termoquímica computacional , es calcular magnitudes termoquímicas como la entalpía de formación con precisión química. La precisión química es la necesaria para realizar predicciones químicas realistas y generalmente se considera de 1  kcal/mol o 4  kJ/mol. Para alcanzar dicha precisión de forma económica, es necesario utilizar una serie de métodos posteriores a Hartree-Fock y combinar los resultados. Estos métodos se denominan métodos compuestos de química cuántica . [ 54 ]

dinámica química

Después de separar las variables electrónicas y nucleares dentro de la representación de Born-Oppenheimer, el paquete de ondas correspondiente a los grados de libertad nucleares se propaga a través del operador de evolución temporal (física) asociado a la ecuación de Schrödinger dependiente del tiempo (para el hamiltoniano molecular completo ). [ 55 ] En el enfoque complementario dependiente de la energía, la ecuación de Schrödinger independiente del tiempo se resuelve utilizando el formalismo de la teoría de dispersión . El potencial que representa la interacción interatómica viene dado por las superficies de energía potencial . En general, las superficies de energía potencial están acopladas a través de los términos de acoplamiento vibrónico . [ 56 ]

Los métodos más populares para propagar el paquete de ondas asociado a la geometría molecular son:

Técnica de operador dividido

La forma en que un método computacional resuelve ecuaciones cuánticas influye en su precisión y eficiencia. La técnica del operador dividido es uno de estos métodos para resolver ecuaciones diferenciales. En química computacional, esta técnica reduce los costos computacionales de la simulación de sistemas químicos. Los costos computacionales se refieren al tiempo que tardan las computadoras en calcular estos sistemas químicos, ya que los sistemas más complejos pueden tardar días. Los sistemas cuánticos son difíciles y requieren mucho tiempo para su resolución por parte de los humanos. Los métodos del operador dividido ayudan a las computadoras a calcular estos sistemas rápidamente resolviendo los subproblemas de una ecuación diferencial cuántica . El método logra esto dividiendo la ecuación diferencial en dos ecuaciones diferentes, como cuando hay más de dos operadores. Una vez resueltas, las ecuaciones divididas se combinan nuevamente en una sola ecuación para obtener una solución fácilmente calculable. [ 59 ]

Este método se utiliza en muchos campos que requieren la resolución de ecuaciones diferenciales, como la biología . Sin embargo, la técnica presenta un error de división. Por ejemplo, con la siguiente solución para una ecuación diferencial. [ 59 ]

mih(A+B){\textstyle e^{h(A+B)}}

La ecuación se puede dividir, pero las soluciones no serán exactas, solo similares. Este es un ejemplo de división de primer orden. [ 59 ]

mih(A+B)≈mihAmihB{\textstyle e^{h(A+B)}\approx e^{hA}e^{hB}}

Hay maneras de reducir este error, entre ellas, tomar el promedio de dos ecuaciones divididas. [ 59 ]

Otra forma de aumentar la precisión es mediante la división de orden superior. Generalmente, la división de segundo orden es la que más se utiliza, ya que la división de orden superior requiere mucho más tiempo de cálculo y no compensa el coste. Los métodos de orden superior resultan demasiado difíciles de implementar y no son útiles para resolver ecuaciones diferenciales a pesar de su mayor precisión. [ 59 ]

Los químicos computacionales dedican mucho tiempo a mejorar la precisión de los sistemas calculados con la técnica del operador dividido, minimizando al mismo tiempo el coste computacional. El cálculo de estos métodos supone un gran desafío para muchos químicos que intentan simular moléculas o entornos químicos. [ 59 ]

Métodos de la teoría del funcional de la densidad

Los métodos de la teoría del funcional de la densidad (DFT) se consideran a menudo métodos ab initio para determinar la estructura electrónica molecular, aunque muchos de los funcionales más comunes utilizan parámetros derivados de datos empíricos o de cálculos más complejos. [ 60 ] En DFT, la energía total se expresa en términos de la densidad total de un electrón en lugar de la función de onda. En este tipo de cálculo, existe un hamiltoniano aproximado y una expresión aproximada para la densidad electrónica total, con diferentes niveles de aproximación y precisión. [ 61 ] Los métodos DFT pueden ser muy precisos con un coste computacional relativamente bajo. Algunos métodos combinan el funcional de intercambio de la teoría del funcional de la densidad con el término de intercambio de Hartree-Fock y se denominan métodos funcionales híbridos , [ 62 ] o un término adicional para la correlación en métodos de doble método. [ 63 ]

Métodos semiempíricos

Los métodos de química cuántica semiempírica se basan en el formalismo del método de Hartree-Fock , pero realizan numerosas aproximaciones y obtienen algunos parámetros a partir de datos empíricos. Fueron muy importantes en la química computacional desde los años 60 hasta los 90, especialmente para el tratamiento de moléculas grandes, donde el método completo de Hartree-Fock, sin las aproximaciones, resultaba demasiado costoso. El uso de parámetros empíricos parece permitir la inclusión de algunos efectos de correlación en los métodos. [ 64 ]

Ya antes se habían diseñado métodos semiempíricos primitivos, en los que la parte de dos electrones del hamiltoniano no se incluía explícitamente. Para sistemas de electrones π, este fue el método de Hückel propuesto por Erich Hückel , y para todos los sistemas de electrones de valencia, el método de Hückel extendido propuesto por Roald Hoffmann . A veces, los métodos de Hückel se denominan «completamente empíricos» porque no derivan de un hamiltoniano. [ 65 ] Sin embargo, el término «métodos empíricos» o «campos de fuerza empíricos» se suele utilizar para describir la mecánica molecular. [ 66 ]

Función de energía potencial de mecánica molecular con disolvente continuo

Mecánica molecular

En muchos casos, se pueden modelar con éxito sistemas moleculares grandes evitando por completo los cálculos de mecánica cuántica. Las simulaciones de mecánica molecular , por ejemplo, utilizan una expresión clásica para la energía de un compuesto, como el oscilador armónico . Todas las constantes que aparecen en las ecuaciones deben obtenerse previamente a partir de datos experimentales o cálculos ab initio . [ 64 ]

La base de datos de compuestos utilizada para la parametrización, es decir, el conjunto resultante de parámetros y funciones, denominado campo de fuerza , es crucial para el éxito de los cálculos de mecánica molecular. Se esperaría que un campo de fuerza parametrizado frente a una clase específica de moléculas, por ejemplo, proteínas, solo tuviera relevancia al describir otras moléculas de la misma clase. [ 64 ] Estos métodos pueden aplicarse a proteínas y otras moléculas biológicas grandes, y permiten estudiar la aproximación e interacción (acoplamiento) de posibles moléculas de fármacos. [ 67 ] [ 68 ]

Dinámica molecular del gas argón

Dinámica molecular

La dinámica molecular (DM) utiliza la mecánica cuántica , la mecánica molecular o una combinación de ambas para calcular las fuerzas, las cuales se emplean posteriormente para resolver las leyes del movimiento de Newton y examinar el comportamiento de los sistemas en función del tiempo. El resultado de una simulación de dinámica molecular es una trayectoria que describe cómo varían la posición y la velocidad de las partículas con el tiempo. El punto de fase de un sistema, descrito por las posiciones y los momentos de todas sus partículas en un instante anterior, determinará el siguiente punto de fase mediante la integración de las leyes del movimiento de Newton. [ 69 ]

Montecarlo

El método de Monte Carlo (MC) genera configuraciones de un sistema mediante cambios aleatorios en las posiciones de sus partículas, junto con sus orientaciones y conformaciones cuando corresponda. [ 70 ] Es un método de muestreo aleatorio que utiliza el llamado muestreo de importancia . Los métodos de muestreo de importancia pueden generar estados de baja energía, ya que esto permite calcular propiedades con precisión. La energía potencial de cada configuración del sistema se puede calcular, junto con los valores de otras propiedades, a partir de las posiciones de los átomos. [ 71 ] [ 29 ]

Mecánica cuántica/mecánica molecular (QM/MM)

QM/MM es un método híbrido que intenta combinar la precisión de la mecánica cuántica con la velocidad de la mecánica molecular. Es útil para simular moléculas muy grandes, como las enzimas . [ 72 ]

Química computacional cuántica

La química computacional cuántica busca aprovechar la computación cuántica para simular sistemas químicos, diferenciándose del enfoque QM/MM (Mecánica Cuántica/Mecánica Molecular). [ 73 ] Mientras que QM/MM utiliza un enfoque híbrido, combinando la mecánica cuántica para una parte del sistema con la mecánica clásica para el resto, la química computacional cuántica utiliza exclusivamente métodos de computación cuántica para representar y procesar información, como los operadores hamiltonianos. [ 74 ]

Los métodos convencionales de química computacional suelen tener dificultades con las complejas ecuaciones de la mecánica cuántica, en particular debido al crecimiento exponencial de la función de onda de un sistema cuántico. La química computacional cuántica aborda estos desafíos utilizando métodos de computación cuántica , como la qubitización y la estimación de fase cuántica , que se consideran soluciones escalables. [ 75 ]

La qubitización implica adaptar el operador hamiltoniano para un procesamiento más eficiente en computadoras cuánticas, lo que mejora la eficiencia de la simulación. Por otro lado, la estimación de la fase cuántica ayuda a determinar con precisión los autoestados de energía, que son fundamentales para comprender el comportamiento del sistema cuántico. [ 76 ]

Si bien estas técnicas han impulsado el campo de la química computacional, especialmente en la simulación de sistemas químicos, su aplicación práctica actualmente se limita principalmente a sistemas más pequeños debido a limitaciones tecnológicas. No obstante, estos avances podrían conducir a un progreso significativo hacia la obtención de simulaciones de química cuántica más precisas y eficientes en el uso de recursos. [ 75 ]

Costes computacionales en algoritmos químicos

El coste computacional y la complejidad algorítmica en química se utilizan para comprender y predecir fenómenos químicos. Ayudan a determinar qué algoritmos/métodos computacionales emplear al resolver problemas químicos. Esta sección se centra en la relación entre la complejidad computacional y el tamaño molecular, y detalla los algoritmos comúnmente utilizados en ambos ámbitos. [ 77 ]

En química cuántica, en particular, la complejidad puede crecer exponencialmente con el número de electrones involucrados en el sistema. Este crecimiento exponencial representa una barrera significativa para simular con precisión sistemas grandes o complejos. [ 78 ]

Los algoritmos avanzados en ambos campos buscan equilibrar la precisión con la eficiencia computacional. Por ejemplo, en dinámica molecular (DM), se emplean métodos como la integración de Verlet o el algoritmo de Beeman por su eficiencia computacional. En química cuántica, los métodos híbridos que combinan diferentes enfoques computacionales (como QM/MM) se utilizan cada vez más para abordar grandes sistemas biomoleculares. [ 79 ]

Ejemplos de complejidad algorítmica

La siguiente lista ilustra el impacto de la complejidad computacional en los algoritmos utilizados en cálculos químicos. Si bien esta lista proporciona ejemplos clave, no es exhaustiva y sirve como guía para comprender cómo las exigencias computacionales influyen en la selección de métodos computacionales específicos en química.

Dinámica molecular

Algoritmo

Resuelve las ecuaciones de movimiento de Newton para átomos y moléculas. [ 80 ]

Simulación de dinámica molecular del agua líquida a 298 K

Complejidad

El cálculo estándar de interacción por pares en MD conduce a unaO(norte2){\displaystyle {\mathcal {O}}(N^{2})}complejidad paranorte{\displaystyle N}partículas. Esto se debe a que cada partícula interactúa con todas las demás partículas, lo que da como resultadonorte(norte−1)2{\displaystyle {\frac {N(N-1)}{2}}}interacciones. [ 81 ] Los algoritmos avanzados, como la suma de Ewald o el método multipolar rápido, reducen esto aO(norteregistro⁡norte){\displaystyle {\mathcal {O}}(N\log N)}o inclusoO(norte){\displaystyle {\mathcal {O}}(N)}agrupando partículas distantes y tratándolas como una sola entidad o utilizando ingeniosas aproximaciones matemáticas. [ 82 ] [ 83 ]

Mecánica cuántica/mecánica molecular (QM/MM)

Algoritmo

Combina cálculos de mecánica cuántica para una región pequeña con mecánica molecular para el entorno más amplio. [ 84 ]

Complejidad

La complejidad de los métodos QM/MM depende tanto del tamaño de la región cuántica como del método utilizado para los cálculos cuánticos. Por ejemplo, si se utiliza un método de Hartree-Fock para la parte cuántica, la complejidad se puede aproximar comoO(METRO2){\displaystyle {\mathcal {O}}(M^{2})}, dóndeMETRO{\displaystyle M}es el número de funciones base en la región cuántica. Esta complejidad surge de la necesidad de resolver un conjunto de ecuaciones acopladas iterativamente hasta alcanzar la autoconsistencia. [ 85 ]

Diagrama de flujo algorítmico que ilustra el método de Hartree-Fock.

Método Hartree-Fock

Algoritmo

Encuentra un único estado de Fock que minimiza la energía. [ 86 ]

Complejidad

NP-difícil o NP-completo, como se demuestra al incorporar instancias del modelo de Ising en cálculos de Hartree-Fock. El método de Hartree-Fock implica resolver las ecuaciones de Roothaan-Hall, que escala comoO(norte3){\displaystyle {\mathcal {O}}(N^{3})}aO(norte){\displaystyle {\mathcal {O}}(N)}dependiendo de la implementación, connorte{\displaystyle N}siendo el número de funciones base. El costo computacional proviene principalmente de evaluar y transformar las integrales de dos electrones. Esta prueba de NP-dureza o NP-completitud proviene de incrustar problemas como el modelo de Ising en el formalismo de Hartree-Fock. [ 86 ]

Una molécula de acroleína . La DFT proporciona buenos resultados en la predicción de la sensibilidad de algunas nanoestructuras a contaminantes ambientales como la acroleína. [ 87 ]

La demostración de las clases de complejidad de los algoritmos implica una combinación de demostración matemática y experimentos computacionales. Por ejemplo, en el caso del método Hartree-Fock, la demostración de su NP-dificultad es un resultado teórico derivado de la teoría de la complejidad, específicamente mediante reducciones a partir de problemas NP-difíciles conocidos . [ 88 ]

Teoría del funcional de la densidad

Algoritmo

Investiga la estructura electrónica o la estructura nuclear de sistemas de muchos cuerpos, como átomos, moléculas y fases condensadas . [ 89 ]

Complejidad

Las implementaciones tradicionales de DFT suelen escalar comoO(norte3){\displaystyle {\mathcal {O}}(N^{3})}, principalmente debido a la necesidad de diagonalizar la matriz de Kohn-Sham . [ 90 ] El paso de diagonalización, que encuentra los autovalores y autovectores de la matriz, es el que más contribuye a esta escala. Los avances recientes en DFT buscan reducir esta complejidad a través de varias aproximaciones y mejoras algorítmicas. [ 91 ] También ha habido mejoras significativas en la velocidad de los solucionadores de autovalores, en particular el solucionador ELPA [ 92 ] [ 93 ] que se utiliza en muchos códigos. [ 94 ]

DFT tiene complejidad QMA . [ 88 ]

Método CCSD estándar y CCSD(T)

Algoritmo

Los métodos CCSD y CCSD(T) son técnicas avanzadas de estructura electrónica que involucran excitaciones simples, dobles y, en el caso de CCSD(T), triples perturbativas para calcular efectos de correlación electrónica. [ 95 ]

Complejidad

Escalas CCSD comoO(METRO6){\displaystyle {\mathcal {O}}(M^{6})}dóndeMETRO{\displaystyle M}es el número de funciones base. Esta intensa demanda computacional surge de la inclusión de excitaciones simples y dobles en el cálculo de correlación electrónica. [ 95 ] Con la adición de triples perturbativos en CCSD(T la complejidad aumenta aO(METRO7){\displaystyle {\mathcal {O}}(M^{7})}Esta elevada complejidad restringe el uso práctico a sistemas más pequeños, típicamente hasta 20-25 átomos en implementaciones convencionales. [ 95 ]

Gráfico de densidad electrónica del orbital molecular 2a1 del metano al nivel CCSD(T)/cc-pVQZ. Gráfico creado con Molden a partir de la optimización de geometría correlacionada con CFOUR al nivel CCSD(T) en la base cc-pVQZ.

Método CCSD(T) de escalado lineal

Algoritmo

Una adaptación del método estándar CCSD(T) que utiliza orbitales naturales locales (NO) para reducir significativamente la carga computacional y permitir su aplicación a sistemas más grandes. [ 95 ]

Complejidad

Logra una escala lineal con el tamaño del sistema, una mejora importante con respecto a la escala tradicional de quinta potencia de CCSD. Este avance permite aplicaciones prácticas a moléculas de hasta 100 átomos con conjuntos de bases razonables, lo que marca un paso adelante significativo en la capacidad de la química computacional para manejar sistemas más grandes con alta precisión. [ 95 ]

Exactitud

La química computacional no es una descripción exacta de la química real, ya que los modelos matemáticos y físicos de la naturaleza solo pueden proporcionar una aproximación. Sin embargo, la mayoría de los fenómenos químicos pueden describirse hasta cierto punto mediante un esquema computacional cualitativo o cuantitativo aproximado. [ 96 ]

Las moléculas constan de núcleos y electrones, por lo que se aplican los métodos de la mecánica cuántica . Los químicos computacionales suelen intentar resolver la ecuación de Schrödinger no relativista , añadiendo correcciones relativistas, aunque se han logrado algunos avances en la resolución de la ecuación de Dirac totalmente relativista. En principio, es posible resolver la ecuación de Schrödinger tanto en su forma dependiente del tiempo como en su forma independiente del tiempo, según convenga al problema en cuestión; en la práctica, esto no es posible salvo para sistemas muy pequeños. Por consiguiente, un gran número de métodos aproximados buscan lograr el mejor equilibrio entre precisión y coste computacional. [ 97 ]

La precisión siempre puede mejorarse con un mayor coste computacional. Pueden presentarse errores significativos en modelos ab initio que comprenden muchos electrones, debido al coste computacional de los métodos que incluyen la relatividad completa. [ 95 ] Esto complica el estudio de moléculas que interactúan con átomos unitarios de alta masa atómica, como los metales de transición y sus propiedades catalíticas. Los algoritmos actuales en química computacional pueden calcular rutinariamente las propiedades de moléculas pequeñas que contienen hasta unos 40 electrones con errores para energías menores a unos pocos kJ/mol. Para las geometrías, las longitudes de enlace se pueden predecir con una precisión de unos pocos picómetros y los ángulos de enlace con una precisión de 0,5 grados. El tratamiento de moléculas más grandes que contienen unas pocas docenas de átomos es computacionalmente viable mediante métodos más aproximados como la teoría del funcional de la densidad (DFT). [ 98 ]

Existe cierta controversia en el campo sobre si estos últimos métodos son suficientes para describir reacciones químicas complejas, como las que se dan en bioquímica. Las moléculas grandes pueden estudiarse mediante métodos aproximados semiempíricos. Las moléculas aún más grandes se tratan con métodos de mecánica clásica que utilizan lo que se denomina mecánica molecular (MM). En los métodos QM-MM, pequeñas partes de complejos grandes se tratan mediante mecánica cuántica (QM), y el resto se trata de forma aproximada (MM). [ 99 ]

Paquetes de software

Existen numerosos paquetes de software de química computacional autosuficientes . Algunos incluyen muchos métodos que abarcan un amplio rango, mientras que otros se centran en un rango muy específico o incluso en un solo método. Los detalles de la mayoría de ellos se pueden encontrar en:

Revistas especializadas en química computacional

Lecturas adicionales

  • Schaefer, Henry F. III (1984). Química cuántica . Oxford: Clarendon Press. Resúmenes de muchos desarrollos anteriores en la teoría ab initio .
  • Base de datos de comparación y evaluación comparativa de química computacional del NIST : contiene una base de datos con miles de resultados computacionales y experimentales para cientos de sistemas.
  • División de Informática en Química de la Sociedad Química Estadounidense – Recursos para subvenciones, premios, contactos y reuniones.
  • Informe del CSTB Investigación matemática en ciencia de materiales: oportunidades y perspectivas – Informe del CSTB
  • 3.320 Modelado Computacional Atomístico de Materiales (SMA 5107) Curso gratuito del MIT
  • Química Computacional 4021/8021 ( Curso gratuito de la Universidad de Minnesota)
  • Hoja de ruta tecnológica para la química computacional
  • Aplicaciones del modelado molecular y de materiales.
  • Impacto de los avances en las tecnologías informáticas y de comunicaciones en la ciencia y la tecnología químicas (Informe del CSTB)
  • Aplicaciones de dinámica molecular y química computacional en GPU
  • Susi Lehtola, Antti J. Karttunen: "Software libre y de código abierto para la enseñanza de la química computacional", Publicado por primera vez: 23 de marzo de 2022, https://doi.org/10.1002/wcms.1610 (Acceso abierto). Archivado el 9 de agosto de 2022 en Wayback Machine .
  • CCL.NET: Lista de Química Computacional, Ltd.

Véase también

Referencias

  1. ↑ Parrill, Abby L.; Lipkowitz, Kenny B., eds. (19 de octubre de 2018). Reviews in Computational Chemistry, Volumen 31. Vol. 4 (1.ª ed.). Wiley. doi : 10.1002/series6143 . ISBN   978-1-119-51802-0.
  2. ↑ Comité del Consejo Nacional de Investigación (EE. UU.) sobre los desafíos de las ciencias químicas en el siglo XXI (2003), "Teoría química y modelado computacional: de la química computacional a la ingeniería de sistemas de procesos" , Más allá de la frontera molecular: desafíos para la química y la ingeniería química , National Academies Press (EE. UU.) , consultado el 5 de diciembre de 2023.
  3. ↑ Cramer, Christopher J. (2014). Fundamentos de química computacional: teorías y modelos . Chichester: Wiley. ISBN 978-0-470-09182-1.
  4. ↑ Nozières, Philippe (1997). Teoría de los sistemas de Fermi interactuantes . Clásicos del libro avanzado. Cambridge, Mass: Perseus Publishing. ISBN 978-0-201-32824-0.
  5. ↑ Willems, Henriëtte; De Cesco, Stephane; Svensson, Fredrik (24 de septiembre de 2020). "Química computacional con presupuesto limitado: apoyo al descubrimiento de fármacos con recursos limitados: miniperspectiva" . Journal of Medicinal Chemistry . 63 (18): 10158–10169 . doi : 10.1021/acs.jmedchem.9b02126 . ISSN 0022-2623 . PMID 32298123. S2CID 215802432 .   
  6. ^ Heitler, W.; Londres, F. (1 de junio de 1927). "Wechselwirkung neutraler Atome und homöopolare Bindung nach der Quantenmechanik". Zeitschrift für Physik (en alemán). 44 (6): 455– 472. Bibcode : 1927ZPhy...44..455H . doi : 10.1007/BF01397394 . ISSN 0044-3328 . S2CID 119739102 .  
  7. ↑ Pauling, Linus ; Wilson, Edgar Bright (1985). Introducción a la mecánica cuántica: con aplicaciones a la química . Nueva York: Dover Publications. ISBN 978-0-486-64871-2.
  8. ↑ Eyring, Henry ; Walter, John; Kimball, George E. (1967). Química cuántica (14.ª ed. impresa). Nueva York: Wiley. ISBN  978-0-471-24981-8.
  9. ↑ Heitler, W. (1956-01-01). Mecánica ondulatoria elemental con aplicaciones a la química cuántica (2.ª ed.). Oxford University Press. ISBN  978-0-19-851103-8.{{cite book}}: Incompatibilidad de ISBN/Fecha ( ayuda )
  10. ↑ Coulson, Charles Alfred ; McWeeny, Roy (1991). La valencia de Coulson . Publicaciones científicas de Oxford (3.ª ed.). Oxford Nueva York Toronto [etc.]: Oxford University Press. ISBN  978-0-19-855145-4.
  11. ↑ Roothaan, CCJ (1951-04-01). "Nuevos desarrollos en la teoría de orbitales moleculares" . Reviews of Modern Physics . 23 (2): 69– 89. Bibcode : 1951RvMP...23...69R . doi : 10.1103/RevModPhys.23.69 .
  12. ↑ Pople, John A. (1 de octubre de 1999). "Conferencia Nobel: Modelos químico-cuánticos" . Reviews of Modern Physics . 71 (5): 1267– 1274. doi : 10.1103/RevModPhys.71.1267 . ISSN 0034-6861 . 
  13. ↑ Smith, SJ; Sutcliffe, BT (1997). "El desarrollo de la química computacional en el Reino Unido". Reviews in Computational Chemistry . 10 : 271–316 .
  14. ↑ Schaefer, Henry F. III (1972). La estructura electrónica de átomos y moléculas . Reading, Massachusetts: Addison-Wesley Publishing Co. pág. 146 . 
  15. ↑ Boys, SF ; Cook, GB; Reeves, CM; Shavitt, I. (1956). "Cálculos fundamentales automáticos de la estructura molecular". Nature . 178 (2): 1207. Bibcode : 1956Natur.178.1207B . doi : 10.1038/1781207a0 . S2CID 4218995 . 
  16. ↑ Richards, WG; Walker, TEH; Hinkley RK (1971). Una bibliografía de funciones de onda moleculares ab initio . Oxford: Clarendon Press.
  17. ^ Preuss, H. (1968). "DasSCF-MO-P (LCGO) -Verfahren und seine Varianten". Revista Internacional de Química Cuántica . 2 (5): 651. Bibcode : 1968IJQC....2..651P . doi : 10.1002/qua.560020506 .
  18. ↑ Buenker, RJ; Peyerimhoff, SD (1969). "Cálculos SCF ab initio para azuleno y naftaleno". Chemical Physics Letters . 3 (1): 37. Bibcode : 1969CPL.....3...37B . doi : 10.1016/0009-2614(69)80014-X .
  19. ↑ Streitwieser, A.; Brauman, JI; Coulson, CA (1965). Tablas suplementarias de cálculos de orbitales moleculares . Oxford: Pergamon Press.
  20. ↑ Pople, John A. ; Beveridge, David L. (1970). Teoría aproximada de orbitales moleculares . Nueva York: McGraw Hill.
  21. 1 2 Ma, Xiaoyue (2022-12-01). "Desarrollo de la química computacional y aplicación de métodos computacionales" . Journal of Physics: Conference Series . 2386 (1) 012005. Bibcode : 2022JPhCS2386a2005M . doi : 10.1088/1742-6596/2386/1/012005 . ISSN 1742-6588 . 
  22. ↑ Allinger, Norman (1977). "Análisis conformacional. 130. MM2. Un campo de fuerza de hidrocarburos que utiliza términos torsionales V1 y V2". Journal of the American Chemical Society . 99 (25): 8127– 8134. Bibcode : 1977JAChS..99.8127A . doi : 10.1021/ja00467a001 .
  23. ↑ Fernbach, Sidney; Taub, Abraham Haskell (1970). Computers and Their Role in the Physical Sciences . Routledge. ISBN 978-0-677-14030-8.
  24. ↑ Kenny B. Lipkowitz; Donald B. Boyd, eds. (1990). "vol. 1, prefacio" . Reviews in Computational Chemistry . Vol. 1. Wiley. doi : 10.1002/9780470125786 . ISBN  978-0-470-12578-6.
  25. ↑ "El Premio Nobel de Química de 1998" .
  26. ↑ "Premio Nobel de Química 2013" (Comunicado de prensa). Real Academia Sueca de Ciencias. 9 de octubre de 2013. Consultado el 9 de octubre de 2013 .
  27. ↑ "Química Computacional" . www.acs.org . Consultado el 4 de abril de 2026 .
  28. ↑ Solá, Miquel; De Proft, Frank; Bickelhaupt, F. Matthias (julio de 2019). «Colección Especial: Química Computacional» . QuímicaAbierto . 8 (7): 814– 816. doi : 10.1002/open.201900197 . ISSN 2191-1363 . PMC 6604232 . PMID 31304073 .   
  29. 1 2 McArdle, Sam; Endo, Suguru; Aspuru-Guzik, Alán; Benjamin, Simon C.; Yuan, Xiao (2020-03-30). "Quantum computational chemistry" . Reviews of Modern Physics . 92 (1) 015003. arXiv : 1808.10402 . Bibcode : 2020RvMP...92a5003M . doi : 10.1103/RevModPhys.92.015003 . ISSN 0034-6861 . 
  30. ↑ Musil, Felix; Grisafi, Andrea; Bartók, Albert P.; Ortner, Christoph; Csányi, Gábor; Ceriotti, Michele (2021-08-25). "Representaciones estructurales inspiradas en la física para moléculas y materiales" . Chemical Reviews . 121 (16): 9759– 9815. arXiv : 2101.04673 . doi : 10.1021/acs.chemrev.1c00021 . ISSN 0009-2665 . PMID 34310133 .  
  31. ↑ Muresan, Sorel; Sitzmann, Markus; Southan, Christopher (2012), "Mapeo entre bases de datos de compuestos y dianas proteicas", en Larson, Richard S. (ed.), Bioinformática y descubrimiento de fármacos , Métodos en biología molecular, vol. 910, Totowa, NJ: Humana Press, pp. 145–164 , doi : 10.1007/978-1-61779-965-5_8 , ISBN   978-1-61779-965-5, PMC 7449375 , PMID 22821596  
  32. ↑ Roy, Kunal; Kar, Supratik; Das, Rudra Narayan (2015). Comprensión de los fundamentos de QSAR para aplicaciones en ciencias farmacéuticas y evaluación de riesgos . Ámsterdam Boston: Elsevier/Academic Press. ISBN 978-0-12-801505-6.
  33. ↑ Feng, Fan; Lai, Luhua; Pei, Jianfeng (2018). "Análisis de síntesis química computacional y diseño de rutas" . Frontiers in Chemistry . 6 199. Bibcode : 2018FrCh....6..199F . doi : 10.3389/fchem.2018.00199 . ISSN 2296-2646 . PMC 5994992. PMID 29915783 .   
  34. 1 2 Tsui, Vickie; Ortwine, Daniel F.; Blaney, Jeffrey M. (2017-03-01). "Facilitando la toma de decisiones en proyectos de descubrimiento de fármacos con química computacional e informática integradas". Journal of Computer-Aided Molecular Design . 31 (3): 287– 291. Bibcode : 2017JCAMD..31..287T . doi : 10.1007/s10822-016-9988-y . ISSN 1573-4951 . PMID 27796615 . S2CID 23373414 .   
  35. ↑ Chen, Benjamin WJ; Xu, Lang; Mavrikakis, Manos (27 de enero de 2021). "Métodos computacionales en catálisis heterogénea" . Chemical Reviews . 121 (2): 1007–1048 . doi : 10.1021/acs.chemrev.0c01060 . ISSN 0009-2665 . 
  36. ↑ Elnabawy, Ahmed O.; Rangarajan, Srinivas; Mavrikakis, Manos (2015-08-01). "Química computacional para la síntesis de NH3, hidrotratamiento y reducción de NOx: Tres temas de especial interés para Haldor Topsøe" . Journal of Catalysis . Número especial: El impacto de Haldor Topsøe en la catálisis. 328 : 26–35 . doi : 10.1016/j.jcat.2014.12.018 . ISSN 0021-9517 . OSTI 1244561 .  
  37. 1 2 3 Patel, Prajay; Wilson, Angela K. (2020-12-01). "Consideraciones de química computacional en catálisis: Regioselectividad y disociación metal-ligando". Catalysis Today . Actas de la 3.ª Conferencia Internacional sobre Catálisis e Ingeniería Química. 358 : 422–429 . doi : 10.1016/j.cattod.2020.07.057 . ISSN 0920-5861 . S2CID 225472601 .  
  38. 1 2 van Santen, RA (1996-05-06). "Avances químico-computacionales en catálisis heterogénea" . Journal of Molecular Catalysis A: Chemical . Actas del 8.º Simposio Internacional sobre las Relaciones entre Catálisis Homogénea y Heterogénea. 107 (1): 5– 12. doi : 10.1016/1381-1169(95)00161-1 . ISSN 1381-1169 . S2CID 59580128 .  
  39. ↑ van Vlijmen, Herman; Desjarlais, Renee L.; Mirzadegan, Tara (marzo de 2017). "Química computacional en Janssen". Journal of Computer-Aided Molecular Design . 31 (3): 267– 273. Bibcode : 2017JCAMD..31..267V . doi : 10.1007/s10822-016-9998-9 . ISSN 1573-4951 . PMID 27995515 . S2CID 207166545 .   
  40. ↑ Ahmad, Imad; Kuznetsov, Aleksey E.; Pirzada, Abdul Saboor; Alsharif, Khalaf F.; Daglia, Maria; Khan, Haroon (2023). "Farmacología computacional y química computacional de la 4-hidroxiisoleucina: enfoques fisicoquímicos, farmacocinéticos y basados ​​en DFT" . Frontiers in Chemistry . 11 1145974. Bibcode : 2023FrCh...1145974A . doi : 10.3389/fchem.2023.1145974 . ISSN 2296-2646 . PMC 10133580. PMID 37123881 .   
  41. ↑ El-Mageed, HR Abd; Mustafa, FM; Abdel-Latif, Mahmoud K. (2022-01-02). "Nanocúmulos, nanopartículas y nanotubos de nitruro de boro como portador de fármacos para el fármaco antituberculoso isoniazida, enfoques de química computacional" . Journal of Biomolecular Structure and Dynamics . 40 (1): 226– 235. doi : 10.1080 / 07391102.2020.1814871 . ISSN 0739-1102 . PMID 32870128. S2CID 221403943 .   
  42. 1 2 3 Muresan, Sorel; Sitzmann, Markus; Southan, Christopher (2012), "Mapeo entre bases de datos de compuestos y dianas proteicas", en Larson, Richard S. (ed.), Bioinformática y descubrimiento de fármacos , Métodos en biología molecular, vol. 910, Totowa, NJ: Humana Press, pp. 145–164 , doi : 10.1007/978-1-61779-965-5_8 , ISBN   978-1-61779-964-8, PMC 7449375 , PMID 22821596  
  43. ↑ Gilson, Michael K.; Liu, Tiqing; Baitaluk, Michael; Nicola, George; Hwang, Linda; Chong, Jenny (2016-01-04). "BindingDB en 2015: Una base de datos pública para química medicinal, química computacional y farmacología de sistemas" . Nucleic Acids Research . 44 (D1): D1045–1053. doi : 10.1093 / nar/gkv1072 . ISSN 1362-4962 . PMC 4702793. PMID 26481362 .   
  44. ↑ Zardecki, Christine; Dutta, Shuchismita; Goodsell, David S.; Voigt, Maria; Burley, Stephen K. (2016-03-08). "RCSB Protein Data Bank: A Resource for Chemical, Biochemical, and Structural Explorations of Large and Small Biomolecules" . Journal of Chemical Education . 93 (3): 569– 575. Bibcode : 2016JChEd..93..569Z . doi : 10.1021/acs.jchemed.5b00404 . ISSN 0021-9584 . 
  45. ↑ Química Computacional y Modelado Molecular . 2008. doi : 10.1007/978-3-540-77304-7 . ISBN 978-3-540-77302-3. S2CID 102140015 . 
  46. ↑ Leach, Andrew R. (2009). Modelado molecular: principios y aplicaciones (2.ª ed., 12.ª ed. [Dr.]). Harlow: Pearson/Prentice Hall. ISBN  978-0-582-38210-7.
  47. ↑ Friesner, Richard A. (10 de mayo de 2005). " Química cuántica ab initio: Metodología y aplicaciones" . Actas de la Academia Nacional de Ciencias . 102 (19): 6648– 6653. doi : 10.1073/pnas.0408036102 . ISSN 0027-8424 . PMC 1100737. PMID 15870212 .   
  48. 1 2 Hinchliffe, Alan (2001). Modelado de estructuras moleculares . Serie Wiley de química teórica (2.ª ed., reimpresión). Chichester: Wiley. ISBN  978-0-471-48993-1.
  49. ↑ S, DR Hartree FR (1947-01-01). "El cálculo de estructuras atómicas" . Reports on Progress in Physics . 11 (1) 305: 113– 143. Bibcode : 1947RPPh...11..113S . doi : 10.1088/0034-4885/11/1/305 . S2CID 250826906 . 
  50. ↑ Møller, Chr.; Plesset, MS (1934-10-01). "Nota sobre un tratamiento de aproximación para sistemas de muchos electrones" . Physical Review . 46 (7): 618– 622. Bibcode : 1934PhRv...46..618M . doi : 10.1103/PhysRev.46.618 . ISSN 0031-899X . 
  51. ↑ McLACHLAN, AD; BALL, MA (1964-07-01). "Teoría de Hartree-Fock dependiente del tiempo para moléculas" . Reviews of Modern Physics . 36 (3): 844– 855. Bibcode : 1964RvMP...36..844M . doi : 10.1103/RevModPhys.36.844 .
  52. ↑ Cohen, Maurice; Kelly, Paul S. (1967-05-01). "FUNCIONES DE ONDA DE HARTREE-FOCK PARA ESTADOS EXCITADOS: III. TRANSICIONES DE DIPOLO EN SISTEMAS DE TRES ELECTRONES" . Canadian Journal of Physics . 45 (5): 1661– 1673. Bibcode : 1967CaJPh..45.1661C . doi : 10.1139/p67-129 . ISSN 0008-4204 . 
  53. ↑ Schlegel, H. Bernhard (septiembre de 2003). "Explorando superficies de energía potencial para reacciones químicas: una visión general de algunos métodos prácticos" . Journal of Computational Chemistry . 24 (12): 1514– 1527. doi : 10.1002/jcc.10231 . ISSN 0192-8651 . 
  54. ↑ Ohlinger, WS; Klunzinger, PE; Deppmeier, BJ; Hehre, WJ (2009-03-12). "Cálculo eficiente de calores de formación" . The Journal of Physical Chemistry A. 113 ( 10): 2165– 2175. doi : 10.1021/jp810144q . ISSN 1089-5639 . PMID 19222177 .  
  55. ↑ Butler, Laurie J. (octubre de 1998). "Dinámica de las reacciones químicas más allá de la aproximación de Born-Oppenheimer" . Annual Review of Physical Chemistry . 49 (1): 125– 171. Bibcode : 1998ARPC...49..125B . doi : 10.1146/annurev.physchem.49.1.125 . ISSN 0066-426X . PMID 15012427 .  
  56. ↑ Ito, Kenichi; Nakamura, Shu (junio de 2010). "Teoría de dispersión dependiente del tiempo para operadores de Schrödinger en variedades de dispersión" . Journal of the London Mathematical Society . 81 (3): 774– 792. arXiv : 0810.1575 . doi : 10.1112/jlms/jdq018 . S2CID 8115409 . 
  57. ↑ Ambrose, D; Counsell, J. F; Davenport, A. J (1970-03-01). "El uso de polinomios de Chebyshev para la representación de presiones de vapor entre el punto triple y el punto crítico". The Journal of Chemical Thermodynamics . 2 (2): 283– 294. Bibcode : 1970JChTh...2..283A . doi : 10.1016/0021-9614(70)90093-5 . ISSN 0021-9614 . 
  58. ↑ Manthe, U.; Meyer, H.-D.; Cederbaum, LS (1992-09-01). "Dinámica de paquetes de ondas dentro del marco de Hartree multiconfiguracional: aspectos generales y aplicación al NOCl". The Journal of Chemical Physics . 97 (5): 3199– 3213. Bibcode : 1992JChPh..97.3199M . doi : 10.1063/1.463007 . ISSN 0021-9606 . 
  59. 1 2 3 4 5 6 7 Lukassen, Axel Ariaan; Kiehl, Martin (2018-12-15). "División de operadores para sistemas de reacción química con química rápida". Journal of Computational and Applied Mathematics . 344 : 495– 511. doi : 10.1016/j.cam.2018.06.001 . ISSN 0377-0427 . S2CID 49612142 .  
  60. ↑ Burke, Kieron. "El ABC de la teoría funcional de la densidad" . www.e-booksdirectory.com . Consultado el 4 de abril de 2026 .
  61. ↑ Perdew, John P. (2001). "La escalera de Jacob de aproximaciones funcionales de densidad para la energía de intercambio-correlación" . AIP Conference Proceedings . 577. AIP: 1–20 . doi : 10.1063/1.1390175 .
  62. ↑ Perdew, John P.; Ernzerhof, Matthias; Burke, Kieron (1996-12-08). "Fundamento para combinar el intercambio exacto con las aproximaciones de la teoría del funcional de la densidad" . The Journal of Chemical Physics . 105 (22): 9982– 9985. doi : 10.1063/1.472933 . ISSN 0021-9606 . 
  63. ↑ Sharkas, Kamal; Toulouse, Julien; Savin, Andreas (14 de febrero de 2011). "Teoría funcional de la densidad híbrida doble hecha rigurosa" . The Journal of Chemical Physics . 134 (6). arXiv : 1012.5823 . doi : 10.1063/1.3544215 . ISSN 0021-9606 . 
  64. 1 2 3 Ramachandran, KI; Deepa, G.; Namboori, K. (2008). Química computacional y modelado molecular: principios y aplicaciones . Berlín: Springer. ISBN 978-3-540-77304-7.
  65. ↑ Counts, Richard W. (1987-07-01). "Estrategias I". Journal of Computer-Aided Molecular Design . 1 (2): 177– 178. Bibcode : 1987JCAMD...1..177C . doi : 10.1007/bf01676961 . ISSN 0920-654X . PMID 3504968 . S2CID 40429116 .   
  66. ^ Dinur, Uri; Hagler, Arnold T. (1991). Lipkowitz, Kenny B.; Boyd, Donald B. (eds.). Reseñas en Química Computacional . John Wiley & Sons, Inc. págs. 99–164 . doi : 10.1002/9780470125793.ch4 . ISBN  978-0-470-12579-3.
  67. ↑ Rubenstein, Lester A.; Zauhar, Randy J.; Lanzara, Richard G. (2006). "Dinámica molecular de un modelo biofísico para la activación de receptores β2-adrenérgicos y acoplados a proteínas G" ( PDF) . Journal of Molecular Graphics and Modelling . 25 (4): 396– 409. Bibcode : 2006JMGM...25..396R . doi : 10.1016/j.jmgm.2006.02.008 . PMID 16574446. Archivado (PDF) del original el 27 de febrero de 2008. 
  68. ↑ Rubenstein, Lester A.; Lanzara, Richard G. (1998). "La activación de los receptores acoplados a proteínas G implica la modulación de la unión del agonista por la cisteína" (PDF) . Journal of Molecular Structure: THEOCHEM . 430 : 57–71 . doi : 10.1016/S0166-1280(98)90217-2 . Archivado (PDF) del original el 30 de mayo de 2004.
  69. ↑ Hutter, Jürg; Iannuzzi, Marcella; Kühne, Thomas D. (1 de enero de 2024). "Dinámica molecular ab initio: una guía para aplicaciones" . Química computacional integral : 493–517 . doi : 10.1016/B978-0-12-821978-2.00096-9 . ISBN 978-0-12-823256-9.
  70. ↑ Satoh, A. (2003-01-01), "Capítulo 3 - Métodos de Monte Carlo" , en Satoh, A. (ed.), Estudios en ciencia de interfaces , Introducción a la microsimulación molecular de dispersiones coloidales, vol. 17, Elsevier, pp. 19–63 , doi : 10.1016/S1383-7303(03)80031-5 , ISBN   978-0-444-51424-0, consultado el 3 de diciembre de 2023
  71. ↑ Allen, MP (1987). Simulación por ordenador de líquidos . DJ Tildesley. Oxford [Inglaterra]: Clarendon Press. ISBN 0-19-855375-7OCLC 15132676​​ 
  72. ↑ Bignon, Emmanuelle; Monari, Antonio (1 de enero de 2024). «Dinámica molecular y QM/MM para comprender la organización del genoma y la reproducción en virus de ARN emergentes» . Comprehensive Computational Chemistry : 895–909 . doi : 10.1016/B978-0-12-821978-2.00101-X . ISBN 978-0-12-823256-9. S2CID 258397837 . 
  73. ↑ Abrams, Daniel S.; Lloyd, Seth (1999-12-13). "Algoritmo cuántico que proporciona un aumento exponencial de la velocidad para encontrar valores y vectores propios" . Physical Review Letters . 83 (24): 5162– 5165. arXiv : quant-ph/9807070 . Bibcode : 1999PhRvL..83.5162A . doi : 10.1103/PhysRevLett.83.5162 . S2CID 118937256 . 
  74. ↑ Feynman, Richard P. (17 de junio de 2019). Hey, Tony; Allen, Robin W. (eds.). Feynman Lectures On Computation . Boca Raton: CRC Press. doi : 10.1201/9780429500442 . ISBN 978-0-429-50044-2. S2CID 53898623 . 
  75. 1 2 Nielsen, Michael A.; Chuang, Isaac L. (2010). Computación cuántica e información cuántica ( edición del 10.º aniversario). Cambridge: Cambridge University Press. ISBN  978-1-107-00217-3.
  76. ↑ McArdle, Sam; Endo, Suguru; Aspuru-Guzik, Alán; Benjamin, Simon C.; Yuan, Xiao (30 de marzo de 2020). "Química computacional cuántica" . Reviews of Modern Physics . 92 (1) 015003. arXiv : 1808.10402 . Bibcode : 2020RvMP...92a5003M . doi : 10.1103/RevModPhys.92.015003 .
  77. ↑ Jäger, Jonas; Krems, Roman V. (2023-02-02). "Expresividad universal de clasificadores cuánticos variacionales y núcleos cuánticos para máquinas de vectores de soporte" . Nature Communications . 14 (1). Nature: 576. arXiv : 2207.05865 . Bibcode : 2023NatCo..14..576J . doi : 10.1038/s41467-023-36144-5 . ISSN 2041-1723 . PMC 9895068. PMID 36732519 .   
  78. ↑ Teoría moderna de la estructura electrónica. 1. Serie avanzada en química física. Singapur: World Scientific. 1995. ISBN 978-981-02-2987-0.
  79. ↑ Adcock, Stewart A.; McCammon, J. Andrew (1 de mayo de 2006). "Dinámica molecular: revisión de métodos para simular la actividad de las proteínas" . Chemical Reviews . 106 (5): 1589–1615 . Bibcode : 2006ChRv..106.1589A . doi : 10.1021/cr040426m . ISSN 0009-2665 . PMC 2547409. PMID 16683746 .   
  80. ↑ Durrant, Jacob D.; McCammon, J. Andrew (28-10-2011). "Simulaciones de dinámica molecular y descubrimiento de fármacos" . BMC Biology . 9 (1): 71. Bibcode : 2011BMCB....9...71D . doi : 10.1186 / 1741-7007-9-71 . ISSN 1741-7007 . PMC 3203851. PMID 22035460 .   
  81. ↑ Stephan, Simon; Horsch, Martin T.; Vrabec, Jadran; Hasse, Hans (2019-07-03). "MolMod – una base de datos de acceso abierto de campos de fuerza para simulaciones moleculares de fluidos" . Molecular Simulation . 45 (10): 806– 814. arXiv : 1904.05206 . doi : 10.1080/08927022.2019.1601191 . ISSN 0892-7022 . S2CID 119199372 .  
  82. ↑ Kurzak, J.; Pettitt, BM (septiembre de 2006). "Métodos multipolares rápidos para la dinámica de partículas" . Simulación molecular . 32 ( 10–11 ): 775–790 . doi : 10.1080/08927020600991161 . ISSN 0892-7022 . PMC 2634295. PMID 19194526 .   
  83. ↑ Giese, Timothy J.; Panteva, Maria T.; Chen, Haoyuan; York, Darrin M. (10 de febrero de 2015). "Métodos de Ewald multipolares, 1: Teoría, precisión y rendimiento" . Journal of Chemical Theory and Computation . 11 (2): 436– 450. Bibcode : 2015JCTC...11..436G . doi : 10.1021/ ct5007983 . ISSN 1549-9618 . PMC 4325605. PMID 25691829 .   
  84. ↑ Groenhof, Gerrit (2013), "Introducción a las simulaciones QM/MM", en Monticelli, Luca; Salonen, Emppu (eds.), Simulaciones biomoleculares: métodos y protocolos , Métodos en biología molecular, vol. 924, Totowa, NJ: Humana Press, pp. 43–66 , doi : 10.1007/978-1-62703-017-5_3 , hdl : 11858/00-001M-0000-0010-15DF-C , ISBN   978-1-62703-017-5PMID 23034745​ 
  85. ↑ Tzeliou, Christina Eleftheria; Mermigki, Markella Aliki; Tzeli, Demeter (enero de 2022). "Revisión de las metodologías QM/MM y su aplicación a las metaloproteínas" . Molecules . 27 (9): 2660. doi : 10.3390 / molecules27092660 . ISSN 1420-3049 . PMC 9105939. PMID 35566011 .   
  86. 1 2 Lucas, Andrew (2014). "Formulaciones de Ising de muchos problemas NP" . Frontiers in Physics . 2 : 5. arXiv : 1302.5843 . Bibcode : 2014FrP.....2....5L . doi : 10.3389/fphy.2014.00005 . ISSN 2296-424X . 
  87. ↑ Rastegar, Somayeh F.; Hadipour, Nasser L.; Tabar, Mohammad Bigdeli; Soleymanabadi, Hamed (2013-09-01). "Estudios DFT de la adsorción de moléculas de acroleína en grafeno prístino y dopado con Al" . Journal of Molecular Modeling . 19 (9): 3733– 3740. doi : 10.1007/s00894-013-1898-5 . ISSN 1610-2940 . PMID 23793719. S2CID 41375235 .   
  88. 1 2 Whitfield, James Daniel; Love, Peter John; Aspuru-Guzik, Alán (2013). "Complejidad computacional en la estructura electrónica" . Phys . Chem. Chem. Phys . 15 (2): 397– 411. arXiv : 1208.3334 . Bibcode : 2013PCCP...15..397W . doi : 10.1039/C2CP42695A . ISSN 1463-9076 . PMID 23172634. S2CID 12351374 .   
  89. ↑ Kohn, W.; Sham, LJ (1965-11-15). "Ecuaciones autoconsistentes que incluyen efectos de intercambio y correlación" . Physical Review . 140 (4A): A1133– A1138. Bibcode : 1965PhRv..140.1133K . doi : 10.1103/PhysRev.140.A1133 .
  90. ↑ Michaud-Rioux, Vincent; Zhang, Lei; Guo, Hong (15 de febrero de 2016). "RESCU: Un método de estructura electrónica en el espacio real" . Journal of Computational Physics . 307 : 593–613 . arXiv : 1509.05746 . Bibcode : 2016JCoPh.307..593M . doi : 10.1016/j.jcp.2015.12.014 . ISSN 0021-9991 . S2CID 28836129 .  
  91. ^ Motamarri, Phani; Das, Sambit; Rudraraju, Shiva; Ghosh, Krishnendu; Davydov, Denis; Gavini, Vikram (1 de enero de 2020). "DFT-FE: un código de elementos finitos adaptativo masivamente paralelo para cálculos de teoría funcional de densidad a gran escala" . Comunicaciones de Física Informática . 246 106853. arXiv : 1903.10959 . Código Bib : 2020CoPhC.24606853M . doi : 10.1016/j.cpc.2019.07.016 . ISSN 0010-4655 . S2CID 85517990 .  
  92. ↑ "ELPA (Eigenvalue solvers for Petaflop Applications) — Página web de ELPA" . elpa.mpcdf.mpg.de . Consultado el 4 de abril de 2026 .
  93. ↑ Marek, A; Blum, V; Johanni, R; Havu, V; Lang, B; Auckenthaler, T; Heinecke, A; Bungartz, HJ; Lederer, H (2014-05-28). "La biblioteca ELPA: soluciones paralelas escalables de valores propios para la teoría de la estructura electrónica y la ciencia computacional" . Journal of Physics: Condensed Matter . 26 (21) 213201. doi : 10.1088/0953-8984/26/21/213201 . ISSN 0953-8984 . 
  94. ↑ "Paquetes de software que utilizan ELPA — Página web de ELPA" . elpa.mpcdf.mpg.de . Consultado el 4 de abril de 2026 .
  95. 1 2 3 4 5 6 Sengupta, Arkajyoti; Ramabhadran, Raghunath O.; Raghavachari, Krishnan (2016-01-15). "Rompiendo un cuello de botella: extrapolación precisa a energías CCSD(T) de "estándar de oro" para radicales orgánicos de capa abierta grandes con un costo computacional reducido" . Journal of Computational Chemistry . 37 (2): 286– 295. Bibcode : 2016JCoCh..37..286S . doi : 10.1002/jcc.24050 . ISSN 0192-8651 . PMID 26280676. S2CID 23011794 .   
  96. ↑ Desafíos matemáticos de la química teórica/computacional . Washington, DC: National Academies Press. 29 de marzo de 1995. Bibcode : 1995nap..book.4886N . doi : 10.17226/4886 . ISBN 978-0-309-05097-5.
  97. ↑ Visscher, Lucas (junio de 2002). "La ecuación de Dirac en química cuántica: estrategias para superar los problemas computacionales actuales" . Journal of Computational Chemistry . 23 (8): 759–766 . Bibcode : 2002JCoCh..23..759V . doi : 10.1002/jcc.10036 . ISSN 0192-8651 . PMID 12012352. S2CID 19427995 .   
  98. ↑ Sax, Alexander F. (1 de abril de 2008). "Técnicas de química computacional: abarcando órdenes de magnitud en espacio, tiempo y precisión". Monatshefte für Chemie - Chemical Monthly . 139 (4): 299– 308. doi : 10.1007/s00706-007-0827-7 . ISSN 1434-4475 . S2CID 85451980 .  
  99. ↑ Friesner, R. (1 de marzo de 2003). "Cómo las proteínas que contienen hierro controlan la química del dioxígeno: una descripción detallada a nivel atómico mediante cálculos precisos de química cuántica y mecánica cuántica/mecánica molecular" . Coordination Chemistry Reviews . 238–239 : 267–290 . doi : 10.1016/S0010-8545(02)00284-9 . ISSN 0010-8545 .