Automatische Differenzierung zur verbesserten Navigation auf der potenziellen Energieoberfläche: Verbesserte Suche nach Minimum und Übergangszuständen in der Molekulardynamik

Reaktionsmodelle sind entscheidend für das Verständnis chemischer Reaktionen, aber ihre Modellierung ist ein zeitintensiver Prozess. Automatisierte Techniken zur Erkundung des Reaktionsraums, wie ChemTraYzer-TAD, können diesen Prozess vereinfachen. Die Suche nach Übergangszuständen (TS) bleibt jedoch eine Hürde. TS-Geometrien sind entscheidend für die Berechnung der Reaktionsgeschwindigkeitskonstanten. Quantenmechanische Methoden sind rechnerisch aufwendig für die Suche nach TS-Geometrien, während reaktive molekulare Mechanik, wie ReaxFF, schnellere Berechnungen bietet. Präzise TS-Suchen erfordern zweite Ableitungen der Energie. Modernste ReaxFF-Implementierungen können diese Ableitungen nur durch finite Differenzierung (FD) bereitstellen, was Rauschen einführt. Automatische Differenzierung (AD) kann genauere zweite Ableitungen liefern. Daher integriert diese Arbeit AD in den klassischen Molekulardynamik-Code LAMMPS zur Berechnung der zweiten Ableitungen und präsentiert ADfied LAMMPS. Durch die Schnittstelle von ADfied LAMMPS mit der Gaussian-Computational-Chemistry-Suite wird LMP-Gau entwickelt, das eine effiziente Geometrieoptimierung, Frequenzberechnungen und das Verfolgen von Reaktionspfaden für jedes Kraftfeld ermöglicht. LMP-Gau zeigt verbesserte Energie-Minimierung für stabile Moleküle im Vergleich zu Standard-LAMMPS-Methoden. Es wird auch erfolgreich eingesetzt, um Übergangszustände in der Oxidation von 1,3-Dioxolan zu finden, und zeigt eine verbesserte Konvergenz mit AD im Vergleich zu FD.