利用云计算对有机半导体 材料进行大规模理论筛选

松下公司的科学家与Schrödinger 的研究人员合作，在《物理化学杂志》上发表了一篇论文， 《利用云计算环境对异芘族空穴导电有机材料进行大规模理论筛选》，该论文介绍了如何在云计算环境中对潜在的有机电子材料进行大规模理论筛选，以确定具有最佳空穴迁移率特性的分子。有机半导体 器件的性能在很大程度上取决于电荷在构成器件的弱导电材料中的移动。正电荷载流子和负电荷载流子分别是空穴和电子。 电荷传输可通过在固体中从一个分子跃迁到另一个分子来实现，这在Schrödinger 平台中采用原子尺度的模拟 技术进行建模。本研究的重点是有机半导体中的空穴迁移率。

松下对探索由呋喃、噻吩和硒吩融合而成的结构感兴趣。这些化合物之所以引人关注，是因为它们可作为有机半导体应用于多种领域。特别是，松下致力于开发可印刷的RFID（射频识别）标签，这需要使用电荷迁移率高于现有化合物的有机半导体材料。这些材料可应用于住宅、零售和仓库管理领域。 非接触式结账和库存管理将进一步推动未来零售交易技术的发展。例如，松下目前推出的一款名为“Reji-Robo”的产品，就是一种新型自动化结账系统，它不仅能将人工成本降低10%，还能加快顾客的结账速度。

在这项研究中，Schrödinger 通过结构枚举合成了 7,032,432 种化合物，以此作为开发高性能空穴导电材料（化学空间 ）的基础。从初始化合物集 中随机选取了 250,000 种，对其进行了密度泛函理论（DFT ）计算，以测定空穴重排能。由于待分析的化合物数量庞大，研究团队决定在云计算环境中进行计算，从而大幅提高计算吞吐量。

借助谷歌云计算技术，共进行了360万次DFT 计算，以预测25万种化合物的空穴重排能——这项工作仅用16天就完成了。

Schrödinger材料科学组的高级首席科学家亚历山大·戈德堡（Alexander Goldberg）解释了该论文的主要发现：

你能解释一下这项研究为何重要吗？ 
获得导电性更佳的有机材料将有助于推动有机电子 这一领域的进步。由于有机电子材料是一种低成本、高度柔性、易于加工、轻便且可持续的解决方案，因此该领域的研究热度和投资均呈现爆发式增长。仅全球有机半导体 市场，预计到2024年将增长至1794亿美元，较2019年增长22.4%。¹

尽管基于有机材料的器件性能已得到显著提升，以至于在关键应用领域已开始与无机材料一较高下，但由于其底层物理机制尚不明确，工作原理也亟待厘清，因此仍需开展基础研究以推动其进一步发展。我们可以利用Schrödinger 平台来推进这项研究，从而实现高质量、新一代有机电子材料的设计。

请解释这篇论文的意义。它为何如此令人振奋？
就在几年前，要在如此短的时间内完成这种规模的筛选 分析还是无法实现的。 随着云计算技术的进步，我们得以大幅扩大原子尺度模拟 在筛选化学空间 中的应用规模。考虑到筛选 ，若使用典型的200个CPU核心的高性能计算（HPC）资源，筛选如此数量的化合物需要100天，由此可见云计算的速度优势何其显著。若采用传统实验方法进行筛选，则需要大约5,000年。

在此项目中，您从包含7,032,432个结构的化学库中，评估了250,000个结构作为空穴传输材料的适用性，以寻找空穴迁移率最优的结构。能否描述您采用的具体流程？
随机选取了250,000个结构，对其进行了密度泛函理论（DFT ）计算，以测定空穴重排能。 随后，针对重组能最低的130种化合物的空穴迁移率，进一步采用DFT 与分子动力学 (MD) （MD）相结合的方法进行处理。通过该方法，我们成功识别出预测空穴迁移率比二萘噻吩（DNTT）高20倍的结构——DNTT是迄今为止实验观测到的迁移率最高的化合物之一。²

如上文图1A所示，我们将250,000种化合物的计算得出的偶极矩与空穴重排能的关系绘制在图中。良好的电荷传输材料应具有较小的偶极矩，以避免固态下电荷被捕获。空穴重排能的范围为0.055至0.50 eV。 在此基础上，我们筛选出了17,000种空穴重排能低于0.1 eV的化合物，如图1b所示。与空穴重排能为0.12 eV的DNTT相比，这17,000种化合物均可被视为改进型空穴传输材料的潜在候选物。

图2给出了所有所考虑的拓扑化合物中计算得到的最小空穴重排能，并附有其相应的化学结构。

是否进行了分步筛选以筛选出高移动率的候选化合物？
是的。例如，由于计算移动率的计算成本远高于计算重排能，因此在云端完成大规模并行DFT 计算后，我们筛选出空穴重排能最低的130种化合物进行进一步计算，以获得凝缩态phase 空穴移动率的估计值。通过对这130种化合物的计算，我们得以对它们的空穴移动率进行排序。 图3（下图）展示了该组中空穴迁移率排名前四的化合物的化学结构。在对候选化合物进行排名时，采用了两种基于不同近似方法的迁移率计算方法：渗流理论基于随机游走方法，而能量无序理论则基于固体中能态的分布。

还有其他关于Schrödinger 如何应用云计算的例子吗？
Schrödinger 不仅在材料设计领域，还在药物发现和生物制剂研究中应用了云计算。借助云计算，我们能够以远少于使用本地计算资源所需的时间，对化学空间 中的海量区域进行筛选。

Schrödinger 在云端虚拟筛选 方面屡创纪录。2013年，我们的材料科学团队与Cycle Computing合作，开展了一次拥有超过156,000个核心的云计算运行，该运行被命名为^{“Megarun”³。}该运行利用了亚马逊网络服务（AWS）全球八个区域的虚拟机，总计运行18小时，总成本仅为33,000美元。 这是当时历史上规模最大、速度最快的云计算运行。将这一里程碑与筛选 进行对比，便可看出云计算技术正在以何等迅猛的速度发展。

今年早些时候，Schrödinger 与 Google Cloud 展开合作，以加速我们的研究。凭借近乎无限的按需计算能力，我们能够探索更广阔的化学空间 领域，并在比使用本地计算所需时间短得多的时间内，对数量庞大的化合物进行建模。

谷歌还捐赠了资源，以推动我们在抗击新冠肺炎方面的工作。Schrödinger 是谷歌与全球领先的生物制药公司共同发起的一项慈善计划，旨在研发抗病毒疗法。作为此次合作的一部分，谷歌云将提供1600万小时的GPU计算时间。这相当于能够使用全球最快的超级计算机。
 

接下来呢？
我们的下一步是继续与松下保持密切合作，并利用本研究的成果，运用机器学习（ML） 技术来确定结构-性能关系，并进一步筛选适用于高迁移率应用的有机半导体 设计空间。
 

还有什么最后的感想吗？
云计算彻底改变了我们的研究方式。原子级模拟 技术已经对材料研发产生了巨大影响，降低了成本、缩短了周期、降低了风险，并推动了创新。云计算本质上提供了“无限”的资源。 我们不再需要将候选物质的范围局限于特定的化合物库。能够访问化学空间 这一广阔的资源库，意味着我们更有机会找到具有最优性能的最佳候选物质。而且，能够更快地完成这些工作，意味着我们可以更迅速地获得结果，从而明确下一步需要采取的措施。如今正是从事材料研究令人振奋的时代。