Spartan分子建模软件24发布：革新构象能量计算与密度泛函几何估计

Spartan'24是Spartan分子建模应用程序的蕞新版本，是自1991年以来开发和完善的可视化、计算能力和数据解释工具的行业软件。Spartan'24的新功能和改进包括：扩展到Spartan光谱和属性数据库（>317,000种分子和不断增长），以及新的SSPD兼容性任务，使用户可以通过单个提交的计算轻松扩展本地SSPD以包括特定兴趣的分子。此版本还是优先集成使用AI技术开发的计算模型的版本。该版本引入了一组5个独特的neural 网络模型，支持日益增长的应用，包括：

改进的构象能量计算：

分子力学

对广泛使用的MMFF分子力学方法在构象搜索中的能量差异进行评估表明，得到的构象能量并不很准确。Spartan'24采用了一个neural 网络模型，该模型是在基于MMFF几何结构的wB97X-V/6-311+G(2df,2p)[6-311G*]能量计算上进行训练的。在实践中，每个MMFF构象生成时，其能量将通过neural 网络进行校正，以获得更好的能量。这显著提高了准确性，并减少了需要考虑的构象数量（在Spartan的构象分布和NMR光谱任务的多步骤协议中）。

估计的密度泛函几何结构

Spartan'24提供了一个neural 网络例程，经过训练，用于从wB97X-D/6-31G*进行能量和力计算的超过600万个分子的范围为200-600 AMU。结果比基础量子化学模型快了几个数量级，并且评估表明达成了高度一致性。该例程还可在多步NMR光谱任务中使用，并用于构象搜索。

改进的构象能量计算：

玻尔兹曼权重

Spartan构象搜索和计算柔性分子的NMR光谱的多步骤协议中，倒数第二步和蕞昂贵的步骤涉及确定所有可访问构象的玻尔兹曼权重，使用wB97X-V/6-311+G(2df,2p)//wB97X-D/6-31G模型。由于即使是简单的有几分子也可能访问数百或数千个构象，实际时间上的考虑限制了应用。Spartan'24允许用基于wB97X-D/6-31G结构的wB97X-V/6-311+G(2df,2p)能量计算训练的neural 网络替换此步骤，将NMR计算的整体计算成本减少了一半以上。

这些新功能将Spartan'24推向了分子建模和计算的新高度，为用户提供了更准确、更快速的计算方法，从而使他们能够更好地理解和解释分子的行为和性质。