Skip to content
The Chat Archive
chatgpt-4o-latest-20250326· OpenAI LMArena Human Preference 140K

Привет! Мне нужно поменять xtb в своем коде, где xtb используется для оптимизации…

  1. 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_ev
    

    def 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 results
    

    def 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 desc
    

    if 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)"
    
  2. Assistant

    Привет! Отличный объем работы у тебя уже выполнен. Ниже приведена модификация твоего кода, в которой xtb заменён на Psi4 для:

    • 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

    1. Заменили get_xtb_optimized_mol на get_psi4_optimized_mol.
    2. Добавили фрагмент get_homo_lumo_from_psi4_output.
    3. Удалили зависимости от xtb.
    4. 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 — замени get_xtb_optimized_mol на Psi4

    def 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-3g на b3lyp/6-31g(d) или pbe0, но они заметно медленнее.
    • Убедись, что Psi4 корректно установлена и запускается в текущем окружении.

    Если хочешь — могу переписать весь файл целиком с этими модификациями.

  3. User

    Перепиши код целиком пожалуйста

  4. Assistant

    Конечно! Ниже приведён переписанный полный код, в котором:

    • Удалено использование xtb;
    • Добавлено использование Psi4 для 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! 🔬

  5. User

    Пишет ошибку "Psi4 optimization failed: module 'psi4.core' has no attribute 'set_memory'"

  6. 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_memory вообще?

    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.py и 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.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.