計算化学における電荷：psi4を用いた電子密度解析

「計算手法とエネルギー・最適化構造の関係：コンフォメーション探索における注意点」という記事では，psi4を用いて様々な計算手法を用いてエネルギー計算を行うことで，

• 計算手法によって考慮できる相互作用が異なる

ことを説明しました。その結果

• 構造最適化できないことがある
• コンフォマー間のエネルギー差が逆転する場合がある

ことなどを具体例を通して見てきました。

ところで，エネルギー計算により得られるのは分子のエネルギーだけではありません。今回はシュレディンガー方程式の解である波動関数から得られる，様々な情報について見ていきたいと思います。

今回も量子化学計算のエンジンとしてpsi4を用いています。本ブログではpsi4を用いたエネルギーと構造最適化の基本について「計算化学にpythonとpsi4で入門」や「計算化学の構造最適化の基本をpsi4で学ぶ」という記事で解説しています。適宜参照してみてください。

計算化学にpythonとPsi4で入門

近年のコンピューターの高速化に伴い，実験化学者であっても高度な計算を手元の計算機で実行可能な環境が整いつつあります。 計算化学とは「コンピュータを使って化学の問題を解く」学問領域で， 分子力学法（MM） 分子軌道法（MO） 密度汎関数法（DFT） 分子動力学法（MD） モンテカル...

future-chem.com

2023.06.04

計算化学の構造最適化の基本をpsi4で学ぶ

「計算化学にpythonとpsi4で入門」という記事ではpythonで扱える量子化学計算ソフトウェア「psi4」の紹介と，簡単なエネルギー計算のやり方を扱いました． その際に得られるエネルギーは 用いる計算レベルによってエネルギーの値が異なる 計算する構造によってエネルギーの値が...

future-chem.com

2022.12.11

ライブラリの準備

今回もPsi4を量子化学計算エンジンとし，RDKitも使いながらコードの使い方を見ていきます。Psi4で用いる計算資源（CPU/RAM）については各人の環境にあわせて設定するようにしてください。また環境構築が難しい方用に，Google ColabでのPsi4の使い方を「Google Colabでpsi4：量子化学計算用のpython環境を手軽に構築」という記事で解説しています。参照してみてください。

Google Colabでpsi4：量子化学計算用のpython環境を手軽に構築

本ブログでは「有機合成化学者のための計算化学入門」を掲げて，特にpythonを用いて量子化学計算を行う際に必要となる環境構築方法から解説してきました．例えば「計算化学にpythonとpsi4で入門」という記事では，pythonの量子化学計算用ライブラリであるpsi4のインストール...

future-chem.com

2023.05.07

## ライブラリのインポート
import psi4
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

import time

import rdkit
from rdkit import Chem
from rdkit.Chem import AllChem, Draw, PandasTools
from rdkit.Chem.Draw import IPythonConsole

print('rdkit version: ', rdkit.__version__) # rdkit version:  2023.03.1
print('psi4 version: ', psi4.__version__) # psi4 version:  1.8
print('numpy version: ', np.__version__) # numpy version:  1.24.3


## SMILESをxyz形式に変換
def sm2xyz(smiles: str) -> str:
    """
    SMILESで入力された分子をXYZ形式に変換する
    Args:
        smiles: 分子のSMILES

    Returns:
        str: 分子のXYZ形式

    """
    mol = Chem.AddHs(Chem.MolFromSmiles(smiles))
    AllChem.EmbedMolecule(mol)
    AllChem.UFFOptimizeMolecule(mol)
    conf = mol.GetConformer(-1)
    
    xyz = '0 1'
    for atom, (x,y,z) in zip(mol.GetAtoms(), conf.GetPositions()):
        xyz += '\n'
        xyz += f'{atom.GetSymbol()}\t{x}\t{y}\t{z}'
    
    return xyz


## psi4の設定：各自の環境に合わせてください
psi4.set_num_threads(4)
psi4.set_memory('10GB')

Psi4のWavefunctionオブジェクトについて

Psi4ではエネルギー計算や構造最適化計算の際にreturn_wfn引数をTrueにすることで，エネルギーに加えて波動関数Wavefunctionオブジェクトを返します。Wavefunctionオブジェクトにはエネルギーなどの値に加えて，「psi4とCubeファイル：分子軌道や静電ポテンシャルマップの可視化」という記事でも解説しているように，分子軌道などに関する情報が格納されています。さらにWavefunctionオブジェクトをもとにして，電荷や双極子モーメント，結合次数などの情報を取得することが可能です。

Wavefunctionオブジェクトに格納されている情報の多くは，Wavefunction.variables()でアクセスできる辞書オブジェクトとして格納されています。以下のコードでは，メタン分子をHF/STO-3Gレベルでエネルギー計算を行い，得られたWavefunctionオブジェクトの中身を表示しています。

methane = psi4.geometry(sm2xyz('C'))
psi4.set_output_file('methane_hf.log')
_, wfn = psi4.energy('hf/sto-3g',
                     molecule=methane,
                     return_wfn=True)
for key in wfn.variables():
    print(key, '\t', wfn.variable(key))

エネルギーなどの他に双極子モーメントなどの値が格納されているのが確認できます。

NUCLEAR REPULSION ENERGY     13.200439741568875
ONE-ELECTRON ENERGY      -78.9270492286628
PCM POLARIZATION ENERGY      0.0
PE ENERGY    0.0
SCF ITERATION ENERGY     -39.724747984078306
SCF ITERATIONS   5.0
SCF TOTAL ENERGY     -39.724747984078306
TWO-ELECTRON ENERGY      26.00186150301562
CURRENT DIPOLE   [ 1.95569996e-07  2.00469358e-07 -1.61656964e-07]
SCF DIPOLE   [ 1.95569996e-07  2.00469358e-07 -1.61656964e-07]

Psi4における波動関数の解析法について

psi4.propertiesを用いることで所望の分子の性質を計算したい可能です。基本的な使い方はpsi4.energyやpsi4.optimizeと同じで，計算レベルと対象分子を指定します。さらにproperties引数で求めたい性質のリストを与えます。計算した値は全てWavefunctionオブジェクトに格納されますので，忘れずにreturn_wfn引数をTrueにしておきましょう。

また既に構造最適化計算などでWavefunctionオブジェクトが手元にある場合もあると思います。このような場合に波動関数の解析に使えるのがpsi4.oeprop（One-Electron properties）です。Wavefunctionオブジェクトと求めたい性質を引数として列挙します。

どちらの方法も以下のテーブルにあるような性質が計算可能です。またCCSDなど一部の計算手法では分極率など他の性質も計算可能です。詳しくは公式のマニュアルを参照してみてください。

以下のコードでは計算方法を確認するために，メタンに対しHF/6-311+G(2d,p)レベルで各原子における静電ポテンシャル（ESP_AT_NUCLEI）を計算し，実行速度を確認してみます。ここでは計算した値よりもメソッドの使い方に着目してみてください。

## psi4.properties
start = time.time()
_, wfn_prop = psi4.properties('hf/6-311+g(2d,p)',
                              molecule=methane,
                              properties=['ESP_AT_NUCLEI'],
                              return_wfn=True)
end = time.time()
print(f'psi4.properties: {end - start: .2f} sec')

## psi4.oeprop
_, wfn_oeprop = psi4.energy('hf/6-311+g(2d,p)',
                            molecule=methane,
                            return_wfn=True)
start = time.time()
psi4.oeprop(wfn_oeprop, 'ESP_AT_NUCLEI')
end = time.time()
print(f'psi4.oeprop: {end - start: .2f} sec')

実行結果は以下のようになりました。新たにシュレディンガー方程式を解かないpsi4.oepropの方が当然速くなっています。しかしoepropでは指定したWavefunctionオブジェクトが必要な情報を全て含んでいるかをチェックしません。そのため，公式フォーラムによると，psi4.oepropよりもpsi4.propertiesの利用が推奨されているようです（リンク）。

psi4.properties:  0.31 sec
psi4.oeprop:  0.00 sec

電子密度解析とは何か

有機化学反応の多くは，「カチオン」と「アニオン」，「正電荷」と「負電荷」によって理解されています。例えばカルボニル基の求電子性は「C=O」の結合の電荷の偏りによって説明されます。

このような形式的な「電荷」を，波動関数の絶対値の二乗として得られる電子密度を用いて各原子に割り当てることを密度解析（population analysis）といいます。

割り当てるルールによっていくつかの方法が知られていますが，よく用いられるのは

• Mulliken（マリケン）密度解析
• Löwdin（ローディン）密度解析

の2つで，どちらもpsi4で利用可能です。

他の電荷としては

• 自然密度解析（NPA）

や静電ポテンシャルへのフィッティングによって電荷を決める

• Merz–Kollman電荷

などが有名です。さらにPsi4では新しめの手法であるMBIS法（Minimal Basis Iterative Stockholder，論文リンク）も実装されています。

Mulliken電荷とLöwdin電荷

イオン結合性化合物の場合に，Mulliken電荷の方がよい結果を与えることが知られています。一方で，共有結合性化合物ではどちらもあまり変わらないことから，一般的にはMulliken電荷が用いられています。

とはいえ，先ほど述べたように電荷とは観測できない概念的なものですので，興味のある化合物群で傾向を見て判断するのが重要です。

Mulliken電荷

Mulliken密度解析では基底関数系にSTO-3Gなどの最小基底系を利用することを想定しています。そのため，大きな基底関数系，特に分散関数を含むものを用いた場合には電荷分布が大きく変化することがあります。このような基底関数系による一貫性の無さがMulliken電荷の問題点として広く認識されています。

以下のコードでは塩化メチルについて，基底関数系の大きさを変えていくことでMulliken電荷がどのように変化していくかを見ていきます。

MeCl = psi4.geometry(smi2xyz('CCl'))
basis_set = ['sto-3g', '3-21G', 'cc-pvdz', 'aug-cc-pvdz', 'cc-pvtz',
             'aug-cc-pvtz', 'cc-pvqz', 'aug-cc-pvqz', 'aug-cc-pv5z']

df = pd.DataFrame()

psi4.set_output_file('MeCl.log')
psi4.optimize('hf/sto-3g', molecule=MeCl)

for basis in basis_set:
    theory = f'hf/{basis}'
    _, wfn_mecl = psi4.properties(theory,
                                  molecule=MeCl,
                                  properties=['MULLIKEN_CHARGES'],
                                  return_wfn=True)
    df[basis] = wfn_mecl.variable('MULLIKEN CHARGES')

df.index = [MeCl.symbol(i) for i in range(MeCl.natom())]
df.round(2)

結果は以下の表のようになりました。電気陰性度から考えると炭素の方が塩素よりもポジティブになりそうですが，多くの場合に塩素原子の方がポジティブになっていることがわかります。また分散関数の有無によって値が大きくぶれてしまい，計算レベルをあげても一定値に収束しないことが伺えます。

Löwdin電荷

Löwdin電荷についても同様にpsi4.propertiesやpsi4.oepropを用いて求めることができます。

Mulliken電荷をRDKitの類似度マップで可視化

「RDKitの類似度マップを用いて原子ごとの寄与を可視化する」という記事でGasteiger電荷について行った電荷マップの可視化をMulliken電荷でも行ってみます。

分子にはアスピリンを用いることとし，HF/STO-3Gで計算します。

## 分子の構築
psi4.set_output_file('aspirin.log')
aspirin = psi4.geometry(sm2xyz('CC(OC1=C(C(=O)O)C=CC=C1)=O CC(=O)OC1C=CC=CC=1C(O)=O'))

_, wfn_asp = psi4.optimize('hf/sto-3g',
                           molecule=aspirin,
                           return_wfn=True)
rdkit_aspirin = Chem.AddHs(Chem.MolFromSmiles('CC(OC1=C(C(=O)O)C=CC=C1)=O CC(=O)OC1C=CC=CC=1C(O)=O'))

## Mulliken電荷の計算
psi4.oeprop(wfn_asp, 'MULLIKEN_CHARGES')
mulliken = wfn_asp.variable('MULLIKEN CHARGES')

## 類似度マップで可視化
from rdkit.Chem.Draw import SimilarityMaps
fig = SimilarityMaps.GetSimilarityMapFromWeights(rdkit_aspirin, mulliken, colorMap='RdBu')

青い部分が正電荷を帯びている部分になります。

双極子モーメント

双極子モーメントの各座標成分はpsi4.variable(‘SCF DIPOLE’)で取得可能です。双極子モーメントのXYZ成分がnumpy配列として取得できますので，分子全体の双極子モーメントの大きさを求めたい場合は自分でベクトルの大きさを計算する必要があります。

$$ dipole = \sqrt{x^2 + y^2 + z^2} $$

また出力された値の単位はSI単位系（au）ですので，汎用されるデバイ（D, debye）へと変換するには2.54を乗じる必要があります。Psi4ではこのような定数はpsi4.constantsに準備されていますので，単位の変換は容易に可能です。

下のコードではメタノールの双極子モーメントをHF/STO-3Gレベルで計算したところ，双極子モーメントは1.51 Dでした。

au2debye = psi4.constants.dipmom_au2debye
methanol = psi4.geometry(sm2xyz('CO'))
psi4.set_output_file('methanol.log')
_, wfn_meoh = psi4.optimize('hf/sto-3g', molecule=methanol, return_wfn=True)
psi4.oeprop(wfn_meoh, 'DIPOLE')
dipole_methanol = wfn_meoh.variable('SCF DIPOLE')
dipole = np.sqrt(np.sum(dipole_methanol ** 2))
print(f'dipole moment: {au2debye * dipole: .2f} D')
## 1.51

Wiberg結合次数

よく構造化学の分野の論文で使われているWiberg結合次数も求めることが可能です。結果はwfn.variable(‘WIBERG LOWDIN INDICES’)で結合次数行列がPsi4のMatrixオブジェクトとしてアクセス可能です。値を取り出すにはnumpy配列へと変換してから利用する必要があります。

以下の例ではスチレンを用いて，通常の二重結合と芳香族結合の結合次数が異なることを確かめてみましょう。

styrene = psi4.geometry(sm2xyz('C=Cc1ccccc1'))
psi4.set_output_file('stylene_Wiberg.log')

_, wfn_stylene = psi4.optimize('hf/sto-3g', molecule=styrene, return_wfn=True)
psi4.oeprop(wfn_stylene, 'WIBERG_LOWDIN_INDICES')

df_stylene = pd.DataFrame(wfn_stylene.variable('WIBERG LOWDIN INDICES').to_array())
df_stylene.index = [styrene.symbol(i) for i in range(styrene.natom())]
df_stylene.round(2)

出力は以下のように16原子 x 16原子の結合次数行列になります。下表で太字にしたように，

• 二重結合：1.95
• 芳香族結合：1.40から1.46

と違いが出ています．

終わりに

今回は「計算化学における電荷：psi4を用いた電子密度解析」という話題について，

• Psi4のWavefunctionオブジェクトと波動関数解析について
• 電子密度解析とは何か
• Mulliken電荷とLöwdin電荷
• Psi4を用いた密度解析のやりかた
• RDKitの類似度マップを用いた可視化
• 双極子モーメントの求め方
• Wiberg結合次数の求め方

などについて説明していきました。

今回取り扱った以外にもpsi4.Wavefunctionオブジェクトからは，HOMOやLUMOといった分子軌道に関する情報も取得可能で，外部プログラムと組み合わせることで軌道の可視化も可能になります。こちらについては，「psi4とCubeファイル：分子軌道や静電ポテンシャルマップの可視化」という記事で説明しています。

これまでエネルギー計算と構造最適化計算について説明を重ねてきました。次回は，調和振動子近似の説明からpsi4における振動数計算について説明することで計算化学について理解を深めていきたいと思います。

＞＞次の記事：「psi4における振動数計算：IRスペクトルや異性体間のエネルギー差を計算」