计算化学公社

标题: 无定形网状交联聚合物RESP电荷该怎么计算？ [打印本页]

作者
Author: ljh123 时间: 2025-12-19 23:21
标题: 无定形网状交联聚合物RESP电荷该怎么计算？
本帖最后由 ljh123 于 2025-12-19 23:31 编辑

图示为交联聚合物（聚酰胺膜）的寡聚物，包含了交联聚合物中出现的所有单元类型。我对我的体系做了分析，确定了类型1有5个，类型2有164个，类型3有31个，类型4有39个，类型5有260个。现在有点犯难该怎么计算每种单元的RESP电荷。之前看过聚合物一般用构建几个重复单元，限制电荷为0来算的，但是不适合我的体系。文献也都很贼的不说电荷怎么来的。求各位大佬分享下自己的经验，十分感谢！
(, 下载次数 Times of downloads: 0)

作者
Author: sobereva 时间: 2025-12-20 01:31
“构建几个重复单元，限制电荷为0来算” 对你的体系没有不适合之处，参考下文获得氨基酸残基RESP电荷的例子，举一反三。只不过片段类型不能按你示意的那么划分，那种划分出来的不是真正的重复单元
RESP拟合静电势电荷的原理以及在Multiwfn中的计算
http://sobereva.com/441（http://bbs.keinsci.com/thread-10880-1-1.html）

作者
Author: ljh123 时间: 2025-12-20 01:55
本帖最后由 ljh123 于 2025-12-20 01:57 编辑

sobereva 发表于 2025-12-20 01:31
“构建几个重复单元，限制电荷为0来算” 对你的体系没有不适合之处，参考下文获得氨基酸残基RESP电荷的例子 ...

sob老师我之前也参考过这篇博文。但是区别在于博文里的只需要考虑一个残基。
我之前考虑过把类型2和类型5放在一起约束电荷为0，因为这个是聚酰胺膜中最多的重复单元，再把类型1、3、4作为端基分别约束电荷为0。但是体系中类型2和类型5数量不是1：1（甚至这些类型数字完全随机没有比例可言），导致整个体系没法电荷为0。举个极端的例子就是我图中的寡聚物，似乎很难找到一个重复单元，总会多出来几个片段。
实在是对这个没有思路，麻烦sob老师了

作者
Author: slxc920113 时间: 2025-12-20 10:28
把常规的片段组合形式都计算好RESP电荷，然后识别原子类型和连接关系，得到一张中心原子类型，键连原子类型，中心原子电荷的表格，之后拟合一个bci规则出来。然后在Lammps交联聚合模拟的过程中就可以自动根据bci规则加电荷。

作者
Author: ljh123 时间: 2025-12-20 18:26

slxc920113 发表于 2025-12-20 10:28
把常规的片段组合形式都计算好RESP电荷，然后识别原子类型和连接关系，得到一张中心原子类型，键连原子类型 ...

谢谢您的分享，我对这个方法不太了解，请问您能否详细解释下？或者您可以分享一些资料和示例吗？比如bci规则是什么，比较小白感谢您的耐心
此外我最近看到个别工作的的做法是：先分别拟合两个单体的电荷（A），之后建立一个最简单的寡聚体，限制交联原子及其键连原子总电荷和A时相同，从而获得交联原子及其键连原子。这样做挺方便的，请教下这样是否合理呢？

作者
Author: slxc920113 时间: 2025-12-22 14:49
本帖最后由 slxc920113 于 2025-12-22 14:58 编辑

ljh123 发表于 2025-12-20 18:26
谢谢您的分享，我对这个方法不太了解，请问您能否详细解释下？或者您可以分享一些资料和示例吗？比如bci ...

Bond-Charge-Increments，像AM1-BCC电荷中的BCC就是一种根据BCI规则计算的方法，假设两个原子形成键，那么其中一个原子的电荷转移一部分给另外一个原子，这样电荷永远是守恒的。MMFF94的电荷就是根据BCI规则来计算的。https://onlinelibrary.wiley.com/doi/10.1002/

它的核心思想是：一个原子的最终电荷是由其初始电荷加上与之相连的所有化学键所带来的电荷转移（增量）的总和。

这种方法基于电负性和化学直觉：
1. 电子会倾向于通过化学键流向电负性更强的原子。
2. 分子中原子的电荷是由其键连原子的局域化学环境决定的，相同的化学环境应该有相同的电荷。

其实和现在的机器学习有类似之处，只是缺少内插近似的能力而已。在 BCI 规则中，一个碳原子要么是 CA（芳香碳），要么是 CT（脂肪族碳）。这是一种硬切分，不像现在的GNN可以根据局部的键长键角等内坐标线性进行中间值的预测。
Bond-Charge Increments 可以看作是“前深度学习时代”的一种人工特征工程的线性回归预测。

欢迎光临计算化学公社 (http://bbs.keinsci.com/)