手性金属有机框架(CMOFs)和共价有机框架(CCOFs)是一类具有非凡潜力的结晶多孔材料,适用于需要分子级立体控制的领域,如对映选择性分离和不对称催化。这些框架的模块化特性使得在其孔隙内合理设计手性环境成为可能,然而庞大的化学空间使得纯实验探索变得不可行。计算建模已成为应对这种复杂性的不可或缺的工具,它提供了对手性识别机制的原子级洞察,而这些机制往往无法通过实验手段获得[
3]。本文全面而批判性地分析了用于研究这些多孔框架手性的多尺度计算方法。我们回顾了从经典分子力学(MM)力场(对捕捉框架动态和大规模筛选至关重要)到高级量子力学(QM)方法(对于阐明不对称催化中的电子结构和反应路径至关重要)的理论工具箱。我们特别强调了先进技术,包括开发灵活的机器学习力场以克服通用模型的局限性,应用混合量子力学/分子力学(QM/MM)方法在复杂催化系统中平衡准确性和尺度,以及使用复杂的蒙特卡洛(GCMC)和分子动力学(MD)模拟来预测对映分离的热力学和动力学。通过详细分析关键案例研究,我们展示了这些计算方法如何揭示了对映选择性的原理,从催化剂口袋中非共价相互作用的微妙相互作用到孔隙几何结构在筛选对映体中的作用。最后,我们探讨了前沿课题,包括结构缺陷的建模以及机器学习(ML)在加速材料发现方面的变革潜力。本文概述了该领域的进展,并指出了实现手性功能材料预测性和理性设计的主要挑战和未来方向。