学术背景 随着有机化合物对环境污染的威胁日益加剧，研究不同水生生物对有机化合物的毒性反应变得至关重要。这些研究不仅有助于评估污染物对整个水生生态系统的潜在生态影响，还为环境保护提供了重要的科学依据。传统的实验方法虽然能够提供一定的数据，但其成本高昂、耗时较长，且难以应对大规模化学物质的毒性评估。随着深度学习技术的快速发展，其在预测水生毒性方面表现出更高的准确性、更快的数据处理速度以及更好的泛化能力。然而，现有方法在处理高维特征数据时仍存在局限性，尤其是在捕捉分子复杂结构和相互作用方面。因此，如何开发一种能够同时预测多种水生生物毒性的多任务深度学习模型，成为了当前研究的重要课题。 论文来源 本文由Xin Yang、Jianqiang Sun、Bingyu Jin等研究者共同完成，他们分别来自U...

高效且可解释的电子圆二色光谱预测：Decoupled Peak Property Learning 学术背景 电子圆二色光谱（Electronic Circular Dichroism, ECD）是研究分子手性的关键工具，特别是在不对称有机合成和药物工业中，用于区分手性分子的绝对构型。然而，现有的ECD光谱预测方法存在两个主要问题：数据稀缺性和可解释性不足，导致预测结果的可信度较低。当前的ECD光谱预测依赖于耗时的量子化学计算，包括分子结构提取、构象搜索、结构优化、时间相关密度泛函理论（TD-DFT）计算和玻尔兹曼加权等步骤。这不仅需要实验化学家具备深厚的专业知识，还耗费大量的计算资源和时间。因此，如何加速ECD光谱的理论计算并提高其预测的准确性和可解释性，成为了一个亟待解决的问题。 论文来...

机器学习助力量子化学：逼近耦合簇精度的分子电子结构预测 学术背景 在物理学、化学和材料科学领域，计算方法是揭示各种物理现象背后机制和加速材料设计的关键工具。然而，量子化学计算（尤其是电子结构计算）通常是计算瓶颈，限制了计算速度和可扩展性。尽管近年来机器学习方法在加速分子动力学模拟和提高精度方面取得显著成功，但现有的机器学习模型大多基于密度泛函理论（DFT）数据库作为训练数据的“真实值”，其预测精度无法超越DFT本身。DFT作为一种平均场理论，其计算通常引入的系统误差比化学精度（1 kcal/mol）大几倍，这限制了基于DFT数据集训练的机器学习模型的整体精度。 相比之下，耦合簇方法（CCSD(T)）被认为是量子化学的“金标准”，能够提供各种分子性质的高精度预测。然而，CCSD(T)的计算成本...

深度学习框架用于多体薛定谔方程的自旋对称解研究：一种新方法的开创性成果 量子物理和量子化学领域中，多体电子体系的描述一直是一个重要但极具挑战性的课题。准确表征电子-电子强关联尤其对催化、光化学和超导性等领域具有深远意义。然而，传统的方法，如广泛使用的Kohn–Sham密度泛函理论(KS-DFT)，在多参考体系中对静态关联的描述仍存在不足。这一不足导致了所谓的“对称性困境”(symmetry dilemma)，即自旋对称破缺的解尽管是不物理的状态，却能获得较低的能量结果。此外，虽然波函数方法在捕获静态关联方面表现出色，但其计算复杂度较高，需要专家选择合适的活性空间，对普通应用存在显著障碍。因此，找到一种高效且准确的方法来解决多体薛定谔方程，同时保持正确的自旋对称性，这是科学家们长期以来期待解决...

光合系统II中水氧化过程中质子释放的机制研究 学术背景 光合系统II（Photosystem II, PSII）是自然界中唯一能够催化水分解的酶，其反应不仅释放出氧气，还为生物质的合成提供了电子。水分解反应释放的质子进入类囊体腔，形成质子动力势（proton-motive force, PMF），驱动ATP的合成。尽管近年来在PSII的结构和功能研究方面取得了显著进展，但水氧化反应中的关键步骤，特别是去质子化过程的机制仍然存在争议。本文通过结合量子/经典（QM/MM）自由能计算和原子分子动力学（MD）模拟，揭示了PSII中氧释放的锰-钙簇（Mn4O5Ca）如何通过保守的羧酸盐和水分子阵列将质子传递到类囊体腔，并识别了局部质子存储位点和分子门控机制，防止了质子回流的浪费反应。 论文来源 本文由...