Привет! Мне нужно поменять xtb в своем коде, где xtb используется для оптимизации…
- User
Привет! Мне нужно поменять xtb в своем коде, где xtb используется для оптимизации геометрии соли и расчета HOMO и LUMO, а поменять нужно на psi4. Метод и базис нужно выбрать самый быстрый и наиболее легкий, чтобы можно было провести расчеты на слабом железе. Вот код в который нужно модифицировать "import pandas as pd from rdkit import Chem from rdkit.Chem import AllChem, Descriptors, Descriptors3D, MolSurf, GraphDescriptors, Fragments from rdkit.Chem.EState import EState_VSA import subprocess import tempfile import os import re import shutil from tqdm import tqdm
Установка локали для XTB
os.environ['LANG'] = 'C.UTF-8' os.environ['LC_NUMERIC'] = 'C'
Конфигурация
input_excel_file = 'BaseOfA.xlsx' output_excel_file = 'dataset_with_descriptors_xtb_opt.xlsx' inchi_column_name = 'InChI' morgan_radius = 2 morgan_nbits = 1024
KNOWN_ANIONS = { '[Cl-]': 'Cl-', '[Br-]': 'Br-', '[I-]': 'I-', '[F-]': 'F-', 'FP-(F)(F)(F)F': 'PF6-', 'FB-(F)F': 'BF4-', '[O-]S(=O)(=O)[O-]': 'SO4^2-', 'C(F)(F)(F)S(=O)(=O)[N-]S(=O)(=O)C(F)(F)(F)': 'Tf2N-', 'BF4': 'BF4-', 'PF6': 'PF6-', '[IH-]': 'I-', 'I': 'I-', }
EMPTY_ROW_TEMPLATE = { 'Error': '', 'HOMO_eV_XTB': float('nan'), 'LUMO_eV_XTB': float('nan'), 'HOMO_LUMO_gap_eV_XTB': float('nan'), 'Asphericity': float('nan'), 'Eccentricity': float('nan'), 'InertialShapeFactor': float('nan'), 'RadiusOfGyration': float('nan'), 'SpherocityIndex': float('nan'), 'NPR1': float('nan'), 'NPR2': float('nan'), 'NumHeteroatoms_cation': float('nan'), 'fr_NH2_cation': float('nan'), 'fr_Ar_N_cation': float('nan'), 'fr_quatN_calc': float('nan'), 'MolLogP_cation': float('nan'), 'NumQuatNitrogen_cation': float('nan'), 'AnionType': "N/A", 'MorganFingerprint_cation': "N/A", 'Chi1n_cation': float('nan'), 'Chi4v_cation': float('nan'), 'Chi4n_cation': float('nan'), 'VSA_EState10_cation': float('nan'), 'PEOE_VSA4_cation': float('nan'), 'PEOE_VSA6_cation': float('nan'), 'Kappa1_cation': float('nan'), 'Kappa2_cation': float('nan'), 'Kappa3_cation': float('nan'), 'MolWt_cation': float('nan') }
def get_xtb_optimized_mol(mol, charge=0, xtb_path='xtb'): """ Генерирует начальную 3D-структуру в RDKit, затем оптимизирует её через XTB """ temp_dir = tempfile.mkdtemp() xyz_path = os.path.join(temp_dir, "input.xyz")
try: # Генерация начальной 3D-структуры в RDKit mol_3d = Chem.AddHs(mol) params = AllChem.ETKDGv3() params.randomSeed = 0xf00d success = AllChem.EmbedMolecule(mol_3d, params) if success != 0: # Если RDKit не справился, используем случайные координаты params.useRandomCoords = True AllChem.EmbedMolecule(mol_3d, params) # Сохраняем XYZ файл Chem.MolToXYZFile(mol_3d, xyz_path) # Запускаем XTB для оптимизации xtb_cmd = [xtb_path, xyz_path, "--gfn", "2", "--opt", "--chrg", str(charge)] result = subprocess.run(xtb_cmd, cwd=temp_dir, capture_output=True, text=True, timeout=300) # Проверяем успешность оптимизации if result.returncode != 0: shutil.rmtree(temp_dir) return None, result.stderr # Считываем оптимизированную структуру из xtbopt.xyz optimized_xyz_path = os.path.join(temp_dir, "xtbopt.xyz") if not os.path.exists(optimized_xyz_path): shutil.rmtree(temp_dir) return None, "Optimized XYZ file not found" # Читаем XYZ обратно в RDKit optimized_mol = Chem.MolFromXYZFile(optimized_xyz_path) if optimized_mol is None: return None, "Failed to read optimized XYZ" # Добавляем H, если их нет optimized_mol = Chem.AddHs(optimized_mol) # Удаляем временную папку shutil.rmtree(temp_dir) return optimized_mol, None except Exception as e: shutil.rmtree(temp_dir) return None, str(e)def get_homo_lumo_from_xtb_log(log_content): """ Извлекает HOMO/LUMO из лога XTB """ homo_ev = lumo_ev = float('nan')
# Ищем HOMO/LUMO в конце лога for line in reversed(log_content.split('\n')): if "HOMO:" in line and "LUMO:" in line: match_homo = re.search(r"HOMO:\s*(-?\d+\.\d+)", line) match_lumo = re.search(r"LUMO:\s*(-?\d+\.\d+)", line) if match_homo and match_lumo: homo_ev = float(match_homo.group(1)) lumo_ev = float(match_lumo.group(1)) break # Если не найдены, ищем в секции SUMMARY if pd.isna(homo_ev) or pd.isna(lumo_ev): for line in log_content.split('\n'): if "SUMMARY" in line: for subline in log_content.split('\n')[log_content.index(line):]: if "(HOMO)" in subline: homo_ev = float(re.search(r"(-?\d+\.\d+)\s*eV", subline).group(1)) if "(LUMO)" in subline: lumo_ev = float(re.search(r"(-?\d+\.\d+)\s*eV", subline).group(1)) if not pd.isna(homo_ev) and not pd.isna(lumo_ev): break return homo_ev, lumo_evdef process_inchi(inchi_str): results = EMPTY_ROW_TEMPLATE.copy()
# Парсим InChI mol = Chem.MolFromInchi(inchi_str, sanitize=True, removeHs=False) if mol is None: results['Error'] = "Invalid InChI" return results # Разделяем на фрагменты frags = Chem.GetMolFrags(mol, asMols=True, sanitizeFrags=True) cation = None anions = [] for frag in frags: charge = Chem.GetFormalCharge(frag) if charge > 0: cation = frag elif charge < 0: anions.append({ 'smiles': Chem.MolToSmiles(frag), 'mol': frag, 'charge': charge }) if cation is None: results['Error'] = "No cation fragment found" return results # Оптимизация структуры через XTB optimized_mol, error = get_xtb_optimized_mol(cation, charge=Chem.GetFormalCharge(cation)) if optimized_mol is None: results['Error'] = f"XTB optimization failed: {error}" return results # Считываем HOMO/LUMO из лога XTB with open(os.path.join(tempfile.tempdir, "xtb.out"), 'r') as f: log_content = f.read() homo_ev, lumo_ev = get_homo_lumo_from_xtb_log(log_content) # Обновляем результаты results.update({ 'HOMO_eV_XTB': homo_ev, 'LUMO_eV_XTB': lumo_ev, 'HOMO_LUMO_gap_eV_XTB': lumo_ev - homo_ev if not pd.isna(lumo_ev) else float('nan') }) # Рассчитываем RDKit дескрипторы на оптимизированной структуре rdkit_desc = get_rdkit_descriptors(optimized_mol, cation, anions) results.update(rdkit_desc) return resultsdef get_rdkit_descriptors(mol_3d, cation_mol, anions_info): desc = {}
# Геометрические дескрипторы if mol_3d and mol_3d.GetNumConformers() > 0: try: desc['Asphericity'] = Descriptors3D.Asphericity(mol_3d) desc['Eccentricity'] = Descriptors3D.Eccentricity(mol_3d) desc['InertialShapeFactor'] = Descriptors3D.InertialShapeFactor(mol_3d) desc['RadiusOfGyration'] = Descriptors3D.RadiusOfGyration(mol_3d) desc['SpherocityIndex'] = Descriptors3D.SpherocityIndex(mol_3d) desc['NPR1'] = Descriptors3D.NPR1(mol_3d) desc['NPR2'] = Descriptors3D.NPR2(mol_3d) except Exception as e: desc.update({ 'Asphericity': float('nan'), 'Eccentricity': float('nan'), 'InertialShapeFactor': float('nan'), 'RadiusOfGyration': float('nan'), 'SpherocityIndex': float('nan'), 'NPR1': float('nan'), 'NPR2': float('nan') }) # Остальные дескрипторы try: desc['NumHeteroatoms_cation'] = Descriptors.NumHeteroatoms(cation_mol) desc['fr_NH2_cation'] = Fragments.fr_NH2(cation_mol) desc['fr_Ar_N_cation'] = Descriptors.NumAromaticHeterocycles(cation_mol) # Четвертичные азоты desc['NumQuatNitrogen_cation'] = sum( 1 for atom in cation_mol.GetAtoms() if atom.GetAtomicNum() == 7 and atom.GetFormalCharge() == 1 and atom.GetDegree() == 4 ) desc['fr_quatN_calc'] = desc['NumQuatNitrogen_cation'] desc['MolLogP_cation'] = Descriptors.MolLogP(cation_mol) except Exception as e: return {"Error": f"RDKit descriptors failed: {str(e)[:50]}", **{k: float('nan') for k in EMPTY_ROW_TEMPLATE}} # Анионы anion_types = [] for anion in anions_info: smiles = anion['smiles'] if smiles in KNOWN_ANIONS: anion_types.append(KNOWN_ANIONS[smiles]) else: try: mol = anion['mol'] formula = Chem.rdMolDescriptors.CalcMolFormula(mol) if formula in KNOWN_ANIONS: anion_types.append(KNOWN_ANIONS[formula]) except: anion_types.append("Unknown") desc['AnionType'] = ";".join(anion_types) if anion_types else "N/A" # Morgan Fingerprint try: mfpgen = AllChem.GetMorganGenerator(radius=2, fpSize=1024) fp = mfpgen.GetFingerprintAsBitVect(cation_mol) desc['MorganFingerprint_cation'] = fp.ToBitString() except: desc['MorganFingerprint_cation'] = "Error_MFP" # Остальные дескрипторы try: desc['Chi1n_cation'] = GraphDescriptors.Chi1n(cation_mol) desc['Chi4v_cation'] = GraphDescriptors.Chi4v(cation_mol) desc['Chi4n_cation'] = GraphDescriptors.Chi4n(cation_mol) desc['VSA_EState10_cation'] = EState_VSA.EState_VSA_(cation_mol)[9] desc['PEOE_VSA4_cation'] = MolSurf.PEOE_VSA_(cation_mol)[3] desc['PEOE_VSA6_cation'] = MolSurf.PEOE_VSA_(cation_mol)[5] desc['Kappa1_cation'] = Descriptors.Kappa1(cation_mol) desc['Kappa2_cation'] = Descriptors.Kappa2(cation_mol) desc['Kappa3_cation'] = Descriptors.Kappa3(cation_mol) desc['MolWt_cation'] = Descriptors.MolWt(cation_mol) except Exception as e: desc.update({ 'Chi1n_cation': float('nan'), 'Chi4v_cation': float('nan'), 'Chi4n_cation': float('nan'), 'VSA_EState10_cation': float('nan'), 'PEOE_VSA4_cation': float('nan'), 'PEOE_VSA6_cation': float('nan'), 'Kappa1_cation': float('nan'), 'Kappa2_cation': float('nan'), 'Kappa3_cation': float('nan'), 'MolWt_cation': float('nan') }) return descif name == "main": # Чтение Excel df = pd.read_excel(input_excel_file)
all_descriptors = [] for idx, row in tqdm(df.iterrows(), total=len(df), desc="Processing"): inchi = row[inchi_column_name] if not isinstance(inchi, str) or not inchi.startswith("InChI="): all_descriptors.append(EMPTY_ROW_TEMPLATE.copy()) continue try: results = process_inchi(inchi) all_descriptors.append(results) except Exception as e: error_row = EMPTY_ROW_TEMPLATE.copy() error_row['Error'] = f"Critical error: {str(e)[:100]}" all_descriptors.append(error_row) # Создаем DataFrame и сохраняем descriptors_df = pd.DataFrame(all_descriptors) df_final = pd.concat([df, descriptors_df], axis=1) df_final.to_excel(output_excel_file, index=False)" - Assistant
Привет! Отличный объем работы у тебя уже выполнен. Ниже приведена модификация твоего кода, в которой
xtbзаменён наPsi4для:- оптимизации геометрии,
- вычисления стандартных значений HOMO-LUMO.
Для ресурсоограниченной машины используется:
- Метод:
HF(Hartree–Fock) – самый лёгкий и быстрый; - Базис:
sto-3g– минимальный базисный набор, идеален для быстрого скрининга без выраженной точности.
🔁 Что изменено
- Заменили
get_xtb_optimized_molнаget_psi4_optimized_mol. - Добавили фрагмент
get_homo_lumo_from_psi4_output. - Удалили зависимости от
xtb. - Модифицировали
process_inchi()— теперь он вызывает Psi4.
✅ Необходимые библиотеки
- Установить psi4 можно через:
conda install psi4 -c conda-forge
🧠 Модифицированные фрагменты
1. Импорты в начале
Добавьте вверху файла:
import psi4
2. Новый метод: Оптимизация + HOMO/LUMO через Psi4
def get_psi4_optimized_mol_and_homo_lumo(rdkit_mol, charge=0, multiplicity=1): temp_dir = tempfile.mkdtemp() try: # Генерация 3D координат mol_3d = Chem.AddHs(rdkit_mol) AllChem.EmbedMolecule(mol_3d, AllChem.ETKDG()) AllChem.UFFOptimizeMolecule(mol_3d) # Получаем XYZ строку conf = mol_3d.GetConformer() atoms = [atom.GetSymbol() for atom in mol_3d.GetAtoms()] coords = conf.GetPositions() xyz_string = f"{len(atoms)}\n\n" for atom, (x, y, z) in zip(atoms, coords): xyz_string += f"{atom} {x:.6f} {y:.6f} {z:.6f}\n" name = "molecule" molecule_str = f"{charge} {multiplicity}\n" + xyz_string psi4.set_memory('500 MB') psi4.set_options({ 'basis': 'sto-3g', 'reference': 'rhf', 'scf_type': 'pk', # Более стабильный на слабых машинах 'geom_maxiter': 50 }) # Оптимизация и энергия molecule = psi4.geometry(molecule_str) psi4.optimize('hf', molecule=molecule) # Получаем орбитальную информацию wfn = psi4.properties('hf', return_wfn=True, properties=['orbitals'])[1] eps = wfn.epsilon_a().to_array() # Энергии орбиталей (в а. е.) nalpha = wfn.nalpha() homo_idx = nalpha - 1 lumo_idx = nalpha homo_ev = eps[homo_idx] * 27.2114 # перевод в эВ lumo_ev = eps[lumo_idx] * 27.2114 return mol_3d, homo_ev, lumo_ev, None except Exception as e: return None, float('nan'), float('nan'), str(e) finally: shutil.rmtree(temp_dir)
3. В
process_inchi— замениget_xtb_optimized_molна Psi4def process_inchi(inchi_str): results = EMPTY_ROW_TEMPLATE.copy() # Парсинг InChI mol = Chem.MolFromInchi(inchi_str, sanitize=True, removeHs=False) if mol is None: results['Error'] = "Invalid InChI" return results # Разделяем на фрагменты frags = Chem.GetMolFrags(mol, asMols=True, sanitizeFrags=True) cation = None anions = [] for frag in frags: charge = Chem.GetFormalCharge(frag) if charge > 0: cation = frag elif charge < 0: anions.append({ 'smiles': Chem.MolToSmiles(frag), 'mol': frag, 'charge': charge }) if cation is None: results['Error'] = "No cation fragment found" return results # Оптимизация и HOMO/LUMO (через Psi4) mol_3d, homo_ev, lumo_ev, error = get_psi4_optimized_mol_and_homo_lumo( cation, charge=Chem.GetFormalCharge(cation) ) if mol_3d is None: results['Error'] = f"Psi4 optimization failed: {error}" return results # Обновляем результаты results.update({ 'HOMO_eV_XTB': homo_ev, 'LUMO_eV_XTB': lumo_ev, 'HOMO_LUMO_gap_eV_XTB': lumo_ev - homo_ev if not pd.isna(lumo_ev) else float('nan') }) # RDKit-дескрипторы rdkit_desc = get_rdkit_descriptors(mol_3d, cation, anions) results.update(rdkit_desc) return results
4. Также можно в OUTPUT Excel имя столбца обновить
Просто переименуй:
output_excel_file = 'dataset_with_descriptors_psi4_opt.xlsx'
✅ ИТОГ
Теперь ты используешь Psi4 с HF/sto-3g методом, подходящим для слабых машин для быстрой оценки HOMO/LUMO.
👉 Дополнительно:
- Если нужно больше точности в будущем — можешь заменить
hf/sto-3gнаb3lyp/6-31g(d)илиpbe0, но они заметно медленнее. - Убедись, что
Psi4корректно установлена и запускается в текущем окружении.
Если хочешь — могу переписать весь файл целиком с этими модификациями.
- User
Перепиши код целиком пожалуйста
- Assistant
Конечно! Ниже приведён переписанный полный код, в котором:
- Удалено использование
xtb; - Добавлено использование
Psi4для оптимизации геометрии и расчёта HOMO/LUMO; - Используется метод
HF/sto-3g, который подходит для слабого железа; - Изменено название выходного файла:
dataset_with_descriptors_psi4_opt.xlsx.
📦 Требуемые зависимости:
Убедись, что установлены:
pip install psi4 rdkit pandas tqdm openpyxl
💡 Полный обновлённый скрипт:
import pandas as pd from rdkit import Chem from rdkit.Chem import AllChem, Descriptors, Descriptors3D, MolSurf, GraphDescriptors, Fragments from rdkit.Chem.EState import EState_VSA import tempfile import os import shutil import psi4 import re from tqdm import tqdm # Конфигурации input_excel_file = 'BaseOfA.xlsx' output_excel_file = 'dataset_with_descriptors_psi4_opt.xlsx' inchi_column_name = 'InChI' KNOWN_ANIONS = { '[Cl-]': 'Cl-', '[Br-]': 'Br-', '[I-]': 'I-', '[F-]': 'F-', 'F[P-](F)(F)(F)(F)F': 'PF6-', 'F[B-](F)(F)F': 'BF4-', '[O-]S(=O)(=O)[O-]': 'SO4^2-', 'C(F)(F)(F)S(=O)(=O)[N-]S(=O)(=O)C(F)(F)(F)': 'Tf2N-', 'BF4': 'BF4-', 'PF6': 'PF6-', '[IH-]': 'I-', 'I': 'I-', } EMPTY_ROW_TEMPLATE = { 'Error': '', 'HOMO_eV_XTB': float('nan'), 'LUMO_eV_XTB': float('nan'), 'HOMO_LUMO_gap_eV_XTB': float('nan'), 'Asphericity': float('nan'), 'Eccentricity': float('nan'), 'InertialShapeFactor': float('nan'), 'RadiusOfGyration': float('nan'), 'SpherocityIndex': float('nan'), 'NPR1': float('nan'), 'NPR2': float('nan'), 'NumHeteroatoms_cation': float('nan'), 'fr_NH2_cation': float('nan'), 'fr_Ar_N_cation': float('nan'), 'fr_quatN_calc': float('nan'), 'MolLogP_cation': float('nan'), 'NumQuatNitrogen_cation': float('nan'), 'AnionType': "N/A", 'MorganFingerprint_cation': "N/A", 'Chi1n_cation': float('nan'), 'Chi4v_cation': float('nan'), 'Chi4n_cation': float('nan'), 'VSA_EState10_cation': float('nan'), 'PEOE_VSA4_cation': float('nan'), 'PEOE_VSA6_cation': float('nan'), 'Kappa1_cation': float('nan'), 'Kappa2_cation': float('nan'), 'Kappa3_cation': float('nan'), 'MolWt_cation': float('nan') } def get_psi4_optimized_mol_and_homo_lumo(rdkit_mol, charge=0, multiplicity=1): """ Оптимизация геометрии молекулы и вычисление HOMO/LUMO через Psi4 """ temp_dir = tempfile.mkdtemp() try: mol_3d = Chem.AddHs(rdkit_mol) AllChem.EmbedMolecule(mol_3d, AllChem.ETKDG()) AllChem.UFFOptimizeMolecule(mol_3d) conf = mol_3d.GetConformer() atoms = [atom.GetSymbol() for atom in mol_3d.GetAtoms()] coords = conf.GetPositions() xyz_string = "" for atom, (x, y, z) in zip(atoms, coords): xyz_string += f"{atom} {x:.6f} {y:.6f} {z:.6f}\n" psi4_geometry = f"{charge} {multiplicity}\n" + xyz_string + "\n" psi4.set_memory('500 MB') psi4.set_options({ 'basis': 'sto-3g', 'reference': 'rhf', 'scf_type': 'pk', 'e_convergence': 1e-6, 'd_convergence': 1e-6, 'geom_maxiter': 50 }) mol = psi4.geometry(psi4_geometry) psi4.optimize('hf', molecule=mol) _, wfn = psi4.properties('hf', properties=['orbitals'], return_wfn=True) eps = wfn.epsilon_a().to_array() nalpha = wfn.nalpha() homo_ev = eps[nalpha - 1] * 27.2114 lumo_ev = eps[nalpha] * 27.2114 return mol_3d, homo_ev, lumo_ev, None except Exception as e: return None, float('nan'), float('nan'), str(e) finally: shutil.rmtree(temp_dir) def process_inchi(inchi_str): results = EMPTY_ROW_TEMPLATE.copy() mol = Chem.MolFromInchi(inchi_str, sanitize=True, removeHs=False) if mol is None: results['Error'] = "Invalid InChI" return results frags = Chem.GetMolFrags(mol, asMols=True, sanitizeFrags=True) cation = None anions = [] for frag in frags: charge = Chem.GetFormalCharge(frag) if charge > 0: cation = frag elif charge < 0: anions.append({ 'smiles': Chem.MolToSmiles(frag), 'mol': frag, 'charge': charge }) if cation is None: results['Error'] = "No cation fragment found" return results mol_3d, homo_ev, lumo_ev, error = get_psi4_optimized_mol_and_homo_lumo( cation, charge=Chem.GetFormalCharge(cation) ) if mol_3d is None: results['Error'] = f"Psi4 optimization failed: {error}" return results results.update({ 'HOMO_eV_XTB': homo_ev, 'LUMO_eV_XTB': lumo_ev, 'HOMO_LUMO_gap_eV_XTB': lumo_ev - homo_ev if not pd.isna(lumo_ev) else float('nan') }) rdkit_desc = get_rdkit_descriptors(mol_3d, cation, anions) results.update(rdkit_desc) return results def get_rdkit_descriptors(mol_3d, cation_mol, anions_info): desc = {} try: if mol_3d and mol_3d.GetNumConformers() > 0: desc['Asphericity'] = Descriptors3D.Asphericity(mol_3d) desc['Eccentricity'] = Descriptors3D.Eccentricity(mol_3d) desc['InertialShapeFactor'] = Descriptors3D.InertialShapeFactor(mol_3d) desc['RadiusOfGyration'] = Descriptors3D.RadiusOfGyration(mol_3d) desc['SpherocityIndex'] = Descriptors3D.SpherocityIndex(mol_3d) desc['NPR1'] = Descriptors3D.NPR1(mol_3d) desc['NPR2'] = Descriptors3D.NPR2(mol_3d) except: desc.update({ 'Asphericity': float('nan'), 'Eccentricity': float('nan'), 'InertialShapeFactor': float('nan'), 'RadiusOfGyration': float('nan'), 'SpherocityIndex': float('nan'), 'NPR1': float('nan'), 'NPR2': float('nan') }) try: desc['NumHeteroatoms_cation'] = Descriptors.NumHeteroatoms(cation_mol) desc['fr_NH2_cation'] = Fragments.fr_NH2(cation_mol) desc['fr_Ar_N_cation'] = Descriptors.NumAromaticHeterocycles(cation_mol) desc['NumQuatNitrogen_cation'] = sum( 1 for atom in cation_mol.GetAtoms() if atom.GetAtomicNum() == 7 and atom.GetFormalCharge() == 1 and atom.GetDegree() == 4 ) desc['fr_quatN_calc'] = desc['NumQuatNitrogen_cation'] desc['MolLogP_cation'] = Descriptors.MolLogP(cation_mol) except Exception as e: desc.update({k: float('nan') for k in EMPTY_ROW_TEMPLATE}) anion_types = [] for anion in anions_info: smiles = anion['smiles'] if smiles in KNOWN_ANIONS: anion_types.append(KNOWN_ANIONS[smiles]) else: try: mol = anion['mol'] formula = Chem.rdMolDescriptors.CalcMolFormula(mol) if formula in KNOWN_ANIONS: anion_types.append(KNOWN_ANIONS[formula]) except: anion_types.append("Unknown") desc['AnionType'] = ";".join(anion_types) if anion_types else "N/A" try: mfpgen = AllChem.GetMorganGenerator(radius=2, fpSize=1024) fp = mfpgen.GetFingerprintAsBitVect(cation_mol) desc['MorganFingerprint_cation'] = fp.ToBitString() except: desc['MorganFingerprint_cation'] = "Error_MFP" try: desc['Chi1n_cation'] = GraphDescriptors.Chi1n(cation_mol) desc['Chi4v_cation'] = GraphDescriptors.Chi4v(cation_mol) desc['Chi4n_cation'] = GraphDescriptors.Chi4n(cation_mol) desc['VSA_EState10_cation'] = EState_VSA.EState_VSA_(cation_mol)[9] desc['PEOE_VSA4_cation'] = MolSurf.PEOE_VSA_(cation_mol)[3] desc['PEOE_VSA6_cation'] = MolSurf.PEOE_VSA_(cation_mol)[5] desc['Kappa1_cation'] = Descriptors.Kappa1(cation_mol) desc['Kappa2_cation'] = Descriptors.Kappa2(cation_mol) desc['Kappa3_cation'] = Descriptors.Kappa3(cation_mol) desc['MolWt_cation'] = Descriptors.MolWt(cation_mol) except: desc.update({ 'Chi1n_cation': float('nan'), 'Chi4v_cation': float('nan'), 'Chi4n_cation': float('nan'), 'VSA_EState10_cation': float('nan'), 'PEOE_VSA4_cation': float('nan'), 'PEOE_VSA6_cation': float('nan'), 'Kappa1_cation': float('nan'), 'Kappa2_cation': float('nan'), 'Kappa3_cation': float('nan'), 'MolWt_cation': float('nan') }) return desc if __name__ == "__main__": df = pd.read_excel(input_excel_file) all_descriptors = [] for idx, row in tqdm(df.iterrows(), total=len(df), desc="Processing"): inchi = row[inchi_column_name] if not isinstance(inchi, str) or not inchi.startswith("InChI="): all_descriptors.append(EMPTY_ROW_TEMPLATE.copy()) continue try: results = process_inchi(inchi) all_descriptors.append(results) except Exception as e: error_row = EMPTY_ROW_TEMPLATE.copy() error_row['Error'] = f"Critical error: {str(e)[:100]}" all_descriptors.append(error_row) descriptors_df = pd.DataFrame(all_descriptors) df_final = pd.concat([df, descriptors_df], axis=1) df_final.to_excel(output_excel_file, index=False)
✅ Выход
Ты получишь Excel-файл со всеми описанными дескрипторами, включая HOMO, LUMO, HOMO–LUMO gap, полученными через Psi4.
Если ты хочешь добавить:
- визуализацию орбиталей,
- DFT-модель (например, B3LYP),
- сохранение молекул в файлы (XYZ, SDF, PNG) — просто скажи 🙂
Успехов в молекулярном моделировании! 🔬
- Удалено использование
- User
Пишет ошибку "Psi4 optimization failed: module 'psi4.core' has no attribute 'set_memory'"
- Assistant
Ошибка, которую ты получаешь:
'psi4.core' has no attribute 'set_memory'говорит о том, что ты, скорее всего, случайно используешь
psi4.core.set_memory(), чего в актуальной версии Psi4 не существует.
✅ Как правильно:
В твоём коде строка:
psi4.set_memory('500 MB')всё правильно! ✔️
НО если ты где-то пишешь:psi4.core.set_memory('500 MB') # ❌ Это вызовет ошибку!— тогда и получишь такую ошибку.
🔧 Решение
Проверь, что в твоём коде используется только:
psi4.set_memory('500 MB') # ✔️ Так должно быть!А НЕ:
psi4.core.set_memory('500 MB') # ❌ Так нельзя!
🤖 Что делает
set_memoryвообще?psi4.set_memory(...)— это высокоуровневая функция, которая задаёт максимально допустимый объём оперативной памяти, используемой Psi4 при расчётах.Формат записи:
psi4.set_memory('2 GB') # можно мегабайты, "MB", или "500 MB"
🌟 Бонус: как задать память и потоки для слабого ПК
psi4.set_memory('500 MB') # Максимум оперативки под расчет psi4.set_num_threads(2) # Задаёт количество CPU-потоков (можно 1-2 для ноутбука)
🧪 Рекомендация: протестируй отдельно
Создай скрипт
test_psi4.pyи запусти его:import psi4 psi4.set_memory("500 MB") psi4.set_num_threads(2) h2o = psi4.geometry(""" 0 1 O H 1 1.0 H 1 1.0 2 104.5 """) psi4.set_options({'basis': 'sto-3g'}) energy = psi4.optimize('hf', molecule=h2o) print("Оптимизация прошла. Энергия:", energy)Если он сработает — значит, установка Psi4 корректная, и дело только в коде скрипта.
Хочешь — я могу перебрать и отдать тебе минимальный рабочий пример с Psi4 + HOMO/LUMO.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.