時至今日，計算化學早已不僅僅是實驗的附屬品了，它隨著計算水平的逐步提升和理論框架的逐步完善，現在，越來越多的純計算可以單獨發在以往的頂刊之上了。

1. Angew：金屬-有機框架來自連接體和金屬化學客體可訪問性的機器學習預測

金屬和連接體的選擇，共同定義了金屬有機框架(MOF)的結構，因此，客體是可訪問的，但大量可能的金屬連接體組合使合成組分的選擇具有挑戰性。在此，來自因果利物浦大學的Matthew J. Rosseinsky等研究者，通過將劍橋結構數據庫中報道的實驗三維MOF結構分解為金屬和連接體，學習組分化學成分與MOF孔隙率之間的聯系，僅基于實驗員選擇的這兩個成分的身份，就以80.5%的確定性預測了MOF的客體的可訪問性?？腕w可訪問空間的孔隙尺寸可分為四個范圍，有三個順序模型。數據集和預測模型都可以下載，并提供簡單的指導，基于客體可訪問性考慮，可用于分離和催化的探索性MOF合成。

參考文獻：

Pétuya, R., Durdy, S., Antypov, D., Gaultois, M..W., Berry, N..G., Darling, G..R., Katsoulidis, A..P., Dyer, M..S. and Rosseinsky, M..J. (2021), Machine Learning Prediction of Metal-Organic Framework Guest Accessibility from Linker and Metal Chemistry. Angew. Chem. Int. Ed.. Accepted Author Manuscript.

https://doi.org/10.1002/anie.202114573

原文鏈接：https://onlinelibrary.wiley.com/doi/10.1002/anie.202114573

2.Nano Letters：金屬-有機骨架材料中的量子屈曲

金屬-有機骨架是由金屬離子或有機分子配位的團簇組成的多孔材料。作為對施加的單軸壓力的響應，框架中呈直線形狀的分子開始屈曲。在足夠低的溫度下，這種屈曲具有量子性質，可通過簡并屈曲態的疊加來描述。相鄰分子，在橫向場中的屈曲狀態是伊辛行為。在此，來自瑞典斯德哥爾摩大學的R. Matthias Geilhufe研究者，以金屬有機骨架拓撲結構MOF-5為例，推導了應變作用下的相圖，分別為正態相、拋物線相和鐵屈曲相。在零溫度下，應變可以誘導三相之間的量子相變。這種新型的有序結構，為應變誘導量子相的形成，開辟了一條新的途徑。

參考文獻：

Geilhufe, R. Matthias. "Quantum Buckling in Metal–Organic Framework Materials." Nano Letters (2021).

https://doi.org/10.1021/acs.nanolett.1c03579

原文鏈接：https://pubs.acs.org/doi/10.1021/acs.nanolett.1c03579

3.ACS Catalysis：VIM-1金屬-β-內酰胺酶的QM/MM研究：催化反應機理

金屬-β-內酰胺酶(MBLs)水解碳青霉烯類抗生素，是促進抗生素耐藥性的生物學關鍵反應，MBLs從而導致了人類感染。因此，催化這種反應的酶是最重要的藥理靶點之一，尤其是那些VIM型的。盡管其與抗生素耐藥性的增加有關，但其催化美羅培南(碳青霉烯類抗生素)水解的基本機制尚不完全清楚。在此，來自智利安德雷斯貝略大學的Fabiola E. Medina & Gonzalo A. Ja?a等研究者，報道了一種VIM-1金屬-β-內酰胺酶水解美羅培南的催化機制。研究者利用混合量子力學/分子力學(QM/MM)計算方法探索了化學反應，使用三層，其中兩層用高級從頭算方法描述，分別為DLPNO-CCSD(T)/CBS + M06-2X/6-311+G(2d,2p)：AMBER。研究結果表明，反應發生可分為三個階段：親核加成，水取向和質子轉移。水解反應限速步為初始階段，吉布斯能壘為15.7 kcal·mol-1。該能量值與15.9 kcal·mol-1的實驗數據(由13 s-1的kcat值推導而來)非常吻合。整個反應的吉布斯活化能為?14.5 kcal·mol-1。研究者對VIM-1酶促調節美羅培南水解的生化理解不僅解決了機制，而且允許人們識別影響反應限速步的非催化殘留物。也就是說，重新審視第二配位球中殘留物的靜電作用，可以合理地鑒定出可以用于抑制金屬-β-內酰胺酶活性或作為設計β-內酰胺抗生素的起點的突變體。

參考文獻：

Medina, Fabiola E., and Gonzalo A. Jan?a. "QM/MM Study of a VIM-1 Metallo-β-Lactamase Enzyme: The Catalytic Reaction Mechanism." ACS Catalysis 12 (2021): 36-47.

https://doi.org/10.1021/acscatal.1c04786

原文鏈接：https://pubs.acs.org/doi/10.1021/acscatal.1c04786

4.ACS Catalysis：Na-S電池工程界面雙功能電催化劑的設計原理

可溶性多硫化鈉(Na2Sn)的穿梭和緩慢的轉化動力學，是鈉硫 (Na–S)電池實際實現的主要障礙。在此，來自美國韋恩州立大學的Md Mahbubul Islam等研究者，為了應對這些挑戰，使用第一性原理計算來設計雙功能電催化劑，以實現與硫基陰極材料的工程界面。研究者闡述了在MoS2襯底(SACs@MoS2)上的過渡金屬(TM)基單原子催化劑(SACs)上Na2Sn吸附、硫還原反應(SRRs)和催化分解的詳細行為。研究者觀察到摻雜在硫取代和鉬頂位點上的SACs產生足夠的結合能來固定高階Na2Sn。研究者發現d帶中心是決定多硫化物吸附能和催化活性的重要“描述符”。遺傳因素，研究者闡明了d帶中心向費米能級的較大上移以及所涉及的較多的空反鍵態與Na2Sn的吸附強度直接相關。分析發現，V和Ni SACs分別表現出更高和更低的結合能，與d帶理論一致。此外，具有電子缺陷位點的SACs，通過降低SRR的自由能和降低Na2S分解的能壘，分別表現出雙功能電催化活性，有利于加速放電和充電過程中的電極動力學。電子結構計算表明，由于中間隙態(主要來自TM-d軌道)，原始和Na2Sn吸附的SACs@MoS2的帶隙顯著減小，從而有望提高基底的電子導電性。對于SACs在調整多硫化物界面上與其d帶中心相關的化學性質方面的作用的深入了解，是向高性能Na-S電池正極材料的合理設計邁出的重要一步。

參考文獻：

Jayan, Rahul, and Md Mahbubul Islam. "Design Principles of Bifunctional Electrocatalysts for Engineered Interfaces in Na–S Batteries." ACS Catalysis 11 (2021): 15149-15161.

https://doi.org/10.1021/acscatal.1c04739

原文鏈接：https://pubs.acs.org/doi/10.1021/acscatal.1c04739

5.npj computational materials：用于快速搜索光催化劑的化學硬度驅動的可解釋機器學習方法

近年來，將高通量(HT)和機器學習(ML)相結合以加速發現有前途的新材料的策略，引起了人們廣泛關注。在這類研究中，關于新的指導原則的知識通常是稀缺的，這主要是由于ML模型的“黑箱”性質。在此，來自印度科學院的Abhishek K. Singh等研究者，設計了一種直觀的方法，通過SHapley Additive explainexplain (SHAP)值解釋這種不透明的ML模型，并將其與HT方法耦合，以尋找高效的2D水裂解光催化劑。研究者開發了一個包含3099種二維材料的新數據庫，該數據庫由金屬與六種八面體結構的配體連接而成，稱為2DO(八面體二維材料)數據庫。ML模型的構建結合了成分和化學硬度特征，以了解熱力學和整體穩定性。最重要的是，它結合了元素和結構特征的優勢，區分了鍵連度不同的等組分2DO材料的目標性質?？山忉尩腗L回歸、分類和數據分析導致了一個新的假設，即高度穩定的2DO材料遵循HSAB原則?；诳梢妳^域內合適的帶隙和使用GW方法相對于標準氧化還原電位的帶比對，進一步篩選了最穩定的2DO材料，結果產生了21個潛在候選材料。此外，HfSe2和ZrSe2被發現具有很高的太陽能-產氫效率，達到其理論極限。這里提出的方法，使得材料科學家和工程師能制定預測模型，而它是準確的、可物理解釋、可轉移且可計算處理的。

參考文獻：

Kumar, R., Singh, A.K. Chemical hardness-driven interpretable machine learning approach for rapid search of photocatalysts. npj Comput Mater 7, 197 (2021).

https://doi.org/10.1038/s41524-021-00669-4

原文鏈接：https://www.nature.com/articles/s41524-021-00669-4