Содержание к диссертации
Введение
1 Обзор литературы 8
1.1 Способы представления и описания строения химических соединений 9
1.2 Выявление закономерностей QSPR и QSAR 16
1.3 Современные компьютерные комплексы для вычисления молекулярных дескрипторов и выявления связи между строением и свойствами химических соединений 22
1.4 Плотность вещества 28
1.5 Атомные радиусы и возможности их моделирования. Модель «DENSON» 34
1.6 Модель «MERA» 39
1.7 Выводы по главе. Цель и задачи исследования 42
2 Разработка и описание модели 43
2.1 Модель «ANSAB» 43
2.2 Алгоритм модели «ANSAB» 46
2.2.1 Исходные данные для расчета 54
2.2.2 Вывод результатов расчета по модели «ANSAB» 57
2.3 Функциональные возможности и описание работы одноименной программы «ANSAB» 58
3 Применение модели 63
3.1 Построение пространственных образов молекулярных структур 63
3.2 Прогноз плотности углеводородов 74
3.3 Прогноз плотности кислородсодержащих органических соединений 77
Прогноз плотности азот и серу содержащих органических соединений 83
Прогноз плотности гетероциклических органических соединений 86
Прогноз относительной плотности жидких органических соединений класса фуроксанов 94
Прогноз плотности твердых органических соединений класса фуроксанов 96
Применение модели «ANSAB» с возможностью варьирования коэффициента упорядоченности 97
Сравнение результатов вычислений в рамках моделей "DENSON" и "ANSAB" 98
Выводы 100
Список литературы 101
- Выявление закономерностей QSPR и QSAR
- Атомные радиусы и возможности их моделирования. Модель «DENSON»
- Исходные данные для расчета
- Прогноз плотности кислородсодержащих органических соединений
Введение к работе
Актуальность работы. В химии твердого тела кристаллические
вещества составляют существенную долю от общего числа объектов
исследования. Достаточно вспомнить классические труды в области
кристаллохимии и кристаллографии академика Белова Н.В. и др. [1], а в
органической химии монографию профессора Китайгородского А.И. и его
последователей [2], посвященных рассмотрению структуры, динамики,
свойств кристаллов и реальных органических молекул. В решении вопросов
строения органических объектов особое внимание уделялось
пространственной форме молекулы. Моделирование пространственной
формы молекулы в органической кристаллохимии началось с моделей
Стюарта - Бриглеба, где существенная роль отводилась атомным ван-дер-
ваальсовым радиусам. Однако получаемые расчетные молекулярные объемы
и далее плотности веществ не соответствовали реальным величинам. Оценка
«свободного объема» важна для описания зависимости
«чувствительность/молекулярное строение» для твердых взрывчатых
веществ. Плотность вещества, будучи не аддитивной величиной, важна при
оценке ряда характеристик твердых ракетных топлив [3,4]. Современное
развитие вычислительной техники позволило перейти к построению моделей,
когда атомный радиус не является некоторой константой и его значение
функционально зависит от общего молекулярного строения. Значение
радиуса атома не постоянно, но форма остается сферической, поэтому новым
этапом развития данного подхода в моделировании состоит в переходе к
более сложному (чем сферическое) представлению атома в молекуле.
Имеющиеся модели рассматривают только жидкие органические соединения,
используют сферическую форму атома. Отметим, что в области
органической химии нет четкой границы между «твердым» и «жидким»
состоянием вещества, в частности жидкие кристаллы изучает как химия
твердого тела, так и органическая химия. Поэтому в нашей работе разделение
на жидкокристаллические и кристаллические органические соединения
достаточно условно. Важно то, что атом - атомные взаимодействия
деформируют сферические оболочки атомов, этот эффект описывается при рассмотрении электронного строения кристаллов.
В своей работе в качестве модельных объектов мы использовали органические соединения различных структур, таких как предельные и непредельные углеводороды, органические кислоты, спирты и циклические соединения, это связано с тем, что по данным соединениям накоплено достаточное количество экспериментальных данных по различным физико-химическим параметрам (плотность, строение и др.). В связи с этим возникает потребность в построении новых моделей, позволяющих получить объем и форму молекул твердых и жидких органических соединений с использованием несферической формы атомов, которые приводят к реальной оценке заданных физических величин для твердых и жидких органических соединений.
Цель работы. Получить новую пространственную форму молекул твердых органических соединений, используя несферическую форму атомов.
Для этого поставлены следующие задачи:
Разработать новый алгоритм построения молекулы в пространстве с использованием несферической формы атомных образований;
На основе предложенного алгоритма создать программное обеспечение;
Определить параметры модели - значения исходных радиусов для атомов: Н, О, С, N, S - используя жидкие органические соединения;
Провести исследование применимости нового подхода для получения пространственных форм молекул твердых органических соединений;
Провести исследование возможности прогноза некоторых свойств твердых и жидких органических соединений;
Научная новизна. Впервые для твердых органических соединений получена новая пространственная форма молекул, образованная атомами сложной геометрической конфигурации:
разработан алгоритм построения в пространстве органических соединений с использованием несферической формы атомов;
создано новое программное обеспечение на базе предложенного алгоритма;
найдены радиусы атомов в рамках новой модели;
вычислены плотности твердых органических соединений и относительные плотности жидких органических соединений, принадлежащих к различным классам органических соединений, и показано их удовлетворительное согласие с экспериментом, что открывает новые возможности в прогнозе этих характеристик для не синтезированных соединений.
Основные положения диссертации, выносимые на защиту:
Результаты разработки нового алгоритма и создания модели построения в пространстве формы молекул органических соединений с использованием несферической форма атомов.
Результаты построения в пространстве новой объемной формы твердых органических соединений.
3. Результаты вычислений плотностей органических соединений.
Практическая ценность работы.
В результате исследования впервые создана новая модель определения пространственного строения молекул твердых и жидких органических соединений с использованием несферических атомных образований.
Изучено строение представителей различных классов органических соединений: углеводороды (линейные, разветвленные и циклические), органические кислоты, их ангидриды, эфиры (простые и сложные), азотсодержащие соединения (производные хинолина, пиридина и другие гетероциклические соединения), фуроксаны.
Создано программное обеспечение для визуального изучения нового пространственного вида органических соединений. Новая программа позволяет вычислять относительную плотность соединений, площадь поверхности, молекулярный объем.
Программный продукт зарегистрирован в отраслевом фонде алгоритмов и программ Федерального агентства по образованию Российской Федерации (ОФАП ФАО РФ) и Всероссийском научно-техническом информационном центре (ВНТИЦ).
Показана возможность использования новой модели для прогноза плотности твердых органических соединений и относительной плотности жидких органических соединений.
Личный вклад соискателя. Все проведенные в диссертации результаты получены автором лично или при его непосредственном участии. Личный вклад соискателя состоит в следующем:
Разработан алгоритм новой модели и написана новая программа.
Найдены основные параметры модели.
Получен пространственный вид твердых органических соединений.
Проведен вычислительный эксперимент для плотностей органических соединений.
Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на: Международной научно-практической конференции «Научные исследования и их практическое применение. Современное состояние и пути развития» (Одесса, 2005г.), XVI Российской молодежной научной конференции «Проблемы теоретической и экспериментальной химии» (Екатеринбург, 2006г), Всероссийской молодежной конференции по математической и квантовой химии (Уфа, 2008).
Публикации. По теме диссертации опубликовано 9 статей, в том числе 3 статьи опубликованы в журналах, рекомендованных ВАК для публикации
результатов диссертационного исследования, 3 тезиса докладов и осуществлена государственная регистрация программного продукта.
Выявление закономерностей QSPR и QSAR
С появлением современной вычислительной техники и компьютерных технологий стали формулироваться новые алгоритмы теории распознавания образов и задачи анализа "черного ящика". Для исследователя необходимо отобрать информативные характеристики вещества и построить модель, позволяющую вычислять значения целевой функции по значениям таких характеристик. Единственным источником информации для решения такой задачи служит таблица экспериментальных данных с описанием входных и выходных характеристик наблюдаемого объекта (или множества объектов). Такие данные называют таблицами «объект - свойство». Выбор модели и ее параметров осуществляется путем проверки разных гипотез на материале данных. Возникающий при этом круг задач составляет направление, именуемое задачами «анализа данных». Следует отметить, что вычислительная математика обычно не имеет дела с этапом выдвижения гипотез о том, какие характеристики должны быть включены в модель объекта и какой должна быть эта модель. Риск сделать ошибку в выборе модели и ее параметров остается вне поля внимания математиков и, аккуратные вычисления по имеющейся модели, создают впечатление высокого качества решения проблемы в целом у химиков. На результатах решения задач анализа данных лежит явный след большого числа эвристических или экспертных предположений о выборе характеристик объекта, классе моделей и ее параметрах. Эти предположения представляются на языке математических формул, но природа их появления лежит вне математики, так что основная часть процесса решения задач анализа данных связана с проникновением в природу изучаемого явления и характерна скорее для естественнонаучных областей.
Ситуация усугубляется еще и тем, что реальные данные обладают такими особенностями, которые затрудняют применение строгих математических методов. Достаточно отметить, что таблицы данных часто представлены малыми выборками в пространствах большой размерности при отсутствии информации о характере и степени зависимости одних характеристик от других, при разнотипности измерительных шкал, наличии шумов и пробелов. В этих условиях методы решения задач анализа данных основываются как на корректных математических процедурах, так и на чисто эвристических приемах. Не удивительно, что получаемые решения воспринимаются настороженно, а многие методы решения выглядят недостаточно строго обоснованными. Это обстоятельство объективно отражает тот факт, что на любом этапе развития прикладной математики возникают реальные задачи, для решения которых хорошо обоснованные математические методы не всегда приемлемы. Вместе с тем, важность задач не позволяет отложить их решение и вынуждает принимать рискованные эмпирические гипотезы и использовать нестрогие эвристические приемы. Если получаемые при этом результаты (предсказания, прогнозы) подтверждаются фактами, то настороженность в восприятии использованной модели сменяется уверенностью в ее адекватности изучаемому явлению и внимание исследователя переносится на аналитическое исследование модели и на вычислительные трудности, связанные с ее использованием. Гипотеза компактности (Н) состоит в том, что реализации одного и того же хорошо организованного образа обычно отражаются в признаковом пространстве в геометрически близкие точки, образуя "компактные" сгустки [25]. При всей кажущейся тривиальности и легкости опровержения, указанная гипотеза лежит в основании большинства алгоритмов не только Распознавания, но и многих других задач анализа данных [26].
Конечно, она подтверждается не всегда. Если, например, среди признаков имеется много случайных, не информативных, то такой случай соответствует плохой организации образов и точки одного и того же образа могут оказаться далекими друг от друга. Но дополнительно предполагается, что работа по организации образов уже проведена и в многомерном признаковом пространстве найдено такое «информативное» подпространство, в котором точки одного класса действительно образуют явно выделяемые компактные сгустки. Назовем п признаков, входящих в информативное подмножество X, "описывающими", а номинальный (п+1)-й признак z, указывающий имя образа, "целевым". Обозначим множество объектов обучающей выборки через А, новый распознаваемый объект через q, а тот факт, что объекты множества А "компактны" ("эквивалентны", "похожи" или "близки" друг другу) в пространстве характеристик X, через С(Х/А). Мера "компактности" может быть любой. Например, можно считать, что объекты компактны, если евклидово расстояние между векторами их признаков не превышает величину г [25]. Фактически гипотеза Н равнозначна предположению о наличии закономерной связи между признаками X и z и ее тестовый алгоритм может быть представлен следующим выражением:
Атомные радиусы и возможности их моделирования. Модель «DENSON»
Новым взглядом на проблему оценки радиусов и вычисления относительной плотности послужила работа [86]. Важно отметить, что в описании разных процессов и явлений в научном сообществе используются различные значения радиусов (ковалентные, ионные, Ван-дер-Ваальсовы). Однако современные работы Зефирова Ю.В. и Зоркого П.М. позволяют предположить о непостоянности размеров атомов [90]. С целью оценки атомных радиусов, которые являются эффективными величинами, с последующим расчётом плотности органических веществ была разработана имитационная модель «DENSON» [87-89]. Плотность вещества (р) может быть определена как отношение массы моля вещества (М) к его (мольному) объему (V):p = M/V. Если ввести понятие молекулярного объема с позиции представлений модели Стюарта — Бриглеба (объема одной молекулы — VMOJl), то, очевидно, что Уф Na VMOJl (Na — число Авогадро), поскольку молекулы (в данном модельном представлении) не могут быть «прижаты» друг к другу так, чтобы не было свободного пространства. Выход из данной ситуации производится с использованием коэффициента К, тогда: При оценке Умол возникают две основные проблемы. Первая проблема связана с поиском численных значений атомных радиусов в пространство -заполняющих моделях. Вторая — с самим расчетом молекулярного объема. Можно отметить, что концепция атомных радиусов строго не определена, по этому существуют разные схемы введения этой величины (ко-валентные, ионные, Ван-дер-ваальсовы радиусы), приводит к неудовлетворительному согласию расчётных и экспериментальных значений относительных плотностей. Для расчёта Умол, как показано, следует использовать изменённые значения ван-дер-ваальсовых радиусов. Анализ большого количества экспериментальных данных выполненных Зорким П.М. и соавторами [90-93] показывает, что «Ван-дер-ваальсов радиус, строго говоря, вообще не является физической константой». Поэтому очевидна потребность в создании аналитической схемы, позволяющей моделировать эффективные атомные радиусы в виде функций межатомных расстояния внутри молекулы.
Модель «DENSON» предназначена для компьютерного моделирования эффективных атомных радиусов каждого из атомов молекулы в зависимости от их относительного расположения в пространстве. Для этого пространство вокруг каждого из атомов разбивается на 2 зоны. Первая зона - зона ближнего порядка, вторая - зона дальнего порядка (в данной модели). Размеры зон индивидуальны для каждого из атомов и определяется его природой и природой атомов его окружения, т.е. размеры зон не имеют сферической симметрии. Модель предписывает каждому химическому элементу некоторое значение атомного радиуса, г радиус «изолированного» атома в пространстве. для кислорода - r(0) = 0,39599 А. Эти величины являются параметрами модели и при необходимости могут быть уточнены. Далее предполагается, что при образовании молекулярной системы, за счёт взаимного влияния атомов друг на друга происходят изменения их радиусов Лг. Изменение радиуса атома А за счёт взаимодействия с атомом I, находящимся в зоне ближнего порядка (химическое или валентные взаимодействия), моделируется обратной функцией слейтеровского типа (радиальная часть). Изменение радиуса атома А за счёт взаимодействия с атомом J, находящимся в зоне дальнего порядка (невалентные взаимодействия), моделируется функциями типа: где RAI — приведенное расстояние между атомами А и і, численное значение которого равно соответствующему евклидовому расстоянию ( в ангстремах), деленному на 1 A, rj и г,- - начальные значения радиусов. В статьях [94-95] показано, что задав декартовы координаты атомов для любой молекулярной системы, можно с помощью функций вида (1.5.5) рассчитать для любого из них эффективный атомный радиус. Практика показала, что для расчёта декартовых координат достаточно использовать стандартные значения длин валентных связей и углов. Что открывает широкие возможности в расчёте атомных радиусов для любой (гипотетической) молекулярной системы. При этом, чем ближе точнее используемые в расчете геометрические параметры совпадают с экспериментальными, тем точнее оценка плотности вещества. Известно, что в молекулярной системе атомы совершают колебательные движения относительно своего положения равновесия, это приводит к изменению мол, а точнее к его увеличению, по сравнению со статистической моделью. Можно предположить, что колебательное движение внутренних атомов молекулы не скажется существенным образом на изменение величины Улюл, а эффект роста молекулярного объёма можно учесть за счёт искусственного увеличения концевых атомов молекулы. Зная набор атомных радиусов необходимо вычислить Vvm один из наиболее распространённых и простых способов состоит в суммировании объёмов атомных сфер с радиусами г А И последующим вычитанием объёмов их взаимного перекрывания "вдоль линии" ковалентных связей. Получаемые по модели атомные радиусы близки по значениям к Ван-дер-ваальсовым, вероятно, что для молекулярных моделей будет наблюдаться перекрывание атомных сфер валентно-несвязанных атомов.
Следовательно, вычисленный объём молекулы является приближённым [96, 82] Для конкретных молекулярных систем наблюдается довольно сложная картина перекрывания атомных сфер. Тем не менее, практикуется упрощенная схема вычисления молекулярного объёма, когда учитываются только парные перекрывания валентно-связанных атомов, которую можно назвать приближением «перекрывающихся сфер» (ПС) [97,98]. Более точную оценку Умол можно дать при использовании процедуры [102, 99], когда вокруг молекулы описывается прямоугольный параллелепипед (ПП) и происходит его дробление на N элементарных объёмов. Далее анализируется каждый из элементарных объёмов на его принадлежность к молекуле. Очевидно, что объём молекулы будет равен сумме таких элементарных объёмов, которые ей принадлежат. Точность оценки молекулярного объёма будет определяться величиной N, т.е. числом элементарных объемов. Если снова вернуться к образному представлению молекул в виде пространство - заполняющих моделей, то очевидно, что возможны случаи, когда внутри молекулы могут оказаться полости. В таких случаях эти полости необходимо включать в молекулярный объём. Метод ПП, в том
Исходные данные для расчета
Для введения начальных данных в программу существует два распространенных способа занесения их в программу: вручную и автоматически. Вручную, пользователь вносит все необходимые для расчета дынные (цифры) с помощью набора на клавиатуре. Правильность внесения данных и их последовательность зависит полностью от пользователя и требует больших временных усилий. Другой возможный подход в прикладном программировании - это возможность использования результатов работы уже имеющихся программ. Вывод данных имеет строгий формат представления, как правило, в виде таблиц или матриц. Такое использование позволяет при правильной расшифровке файла результатов прикладных программ и создания алгоритма считывания необходимых данных получить необходимые данные за короткое время. Основное преимущество данного подхода большое сокращение временных затрат на введение данных, исключение возможности ошибки в формате представления данных, получение данных необходимых именно для расчета. Для построения модели «ANSAB» в качестве исходных данных подразумевается информация о положении каждого атома в пространстве. Фактически для каждого атома необходимы три координаты (x,y,z). Далее для расчета необходимы данные также о других свойствах атомов в молекуле, т.е. последовательность взаимосвязей (т.е. с каким атомом в молекуле связан данный атом), главные квантовые числа, номер атома в молекуле. В работе основной программой для получения оптимизированной геометрии молекулы используется известная программа «HyperChemistry» [110].
Основными преимуществами использования данной программы является возможность пользователю рисовать различные структуры молекул на экране персонального компьютера с необходимой последовательностью соединения атомов на рис.2.2.1.1 представлено примерный вид данного изображения. На рисунке видно, что какие типы атомов входят в молекулярную структуру, а также видна последовательность взаимосвязи атомов в молекулярной структуре. Следующим этапом получения исходных данных является вычисление равновесных координат атомов в молекуле. Программа позволяет использовать различные известные методы: молекулярная механика, полуэмпирические методы и т.д. Для вычисления равновесных координат атомов использовался полуэмпирический метод РМЗ. Итогом вычисления является нахождение равновесных координат атомов. Все полученные равновесные координаты сохраняются в виде текстового файла. Данный файл имеет расширение « . Ып ». Файл содержит координаты атомов, последовательность взаимосвязи и остальную необходимую информацию. На рис.2.2.1.2 представлен вид данных, который используется для считывания и получения информации. Последовательность данных в строке и есть данные показывают координаты центра атома в пространстве конкретного атома, расшифровывая данный набор цифр мы получаем, все данные на интересующий атом. Из полученного файла по определенному алгоритму модель «ANSAB» производит выборку необходимой информации и создание необходимой матрицы координат для дальнейшего расчета. Результатом любого вычисления являются численные значение вычисляемых величин. Это позволяет наглядно видеть, что мы получили в конечном итоге, а также использовать полученные результаты для дальнейшей математической обработки. В качестве наиболее распространенных форм предоставления данных и результатов вычислений в настоящее время нашли электронные таблицы. В модели «ANSAB», для представления результатов расчета, используется электронная таблица (таблица формата Microsoft Office Excel программный продукт компании Microsoft).
В таблице указывается перечень использованных для моделирования молекулярных структур, используемые в расчетном эксперименте значения радиусы. Включена информация о межатомных взаимодействиях, которые рассматриваются в вычислении. Указана точность вычисления объема, объем, молекулярная масса, расчетная относительная плотность молекулярной структуры, площадь поверхности молекулярной структуры. В таблице 2.2.2.1 приведенной ниже приведен пример вывода результатов вычисления. Табличная форма представления результатов позволяет компактно сохранять данные для дальнейшей обработки. Работа на персональном компьютере это всегда работа с программами. Не важно, является компьютерная программа огромной операционной системой или же небольшой прикладной программой она всегда должна быть удобна в работе. Программа должна быть понятна и максимально раскрывать свои функциональные возможности. В настоящее время программы для пользователя имеют огромные возможности в скорости вычислений, а также в возможности визуализации процессов. Все эти возможности достигаются за счет увеличения возможностей компьютера и процессора. Принцип создания программ с названием «под Windows» подразумевает совместную работу известнейшей операционной системы и любой другой программы. Некоторые технические вопросы для пользователя остаются скрытыми только лишь для удобства самого пользователя. Фактически перед написанием программы были поставлены следующие задачи, которые необходимо было реализовать в ходе работы над созданием программы: Выбор языка программирования и создание программы «под Windows» т.е. работа в операционной системе «Windows»; Реализация разработанного алгоритма; Дружелюбный и удобный интерфейс; Визуализация процесса вычисления; Быстродействие вычислений; Стандартная форма вывода результатов; Разработка программного обеспечения начинается с выбора языка программирования. В качестве языка программирования был выбран
Прогноз плотности кислородсодержащих органических соединений
В качестве объектов исследования были выбраны наиболее типичные представители данного класса соединений. В частности : Спирты. Органические кислоты. Простые эфиры. Сложные эфиры. Кетоны. Ангидриды карбоновых кислот. Общее количество рассмотренных соединений составило 60. Значения радиусов атомов (г) и коэффициента упорядоченности ку приведены в таблице 3.3.1. Полученные результаты, приведенные в таблице 3.3.2. показывают хороший прогноз относительной плотности веществ. Отклонение относительной плотности d204 (расч.), вычисленной с использованием модели «ANSAB», от экспериментальных значений d204 (эксп.) находится в интервале от 0,1 до 7,2 %. Графическая интерпретация полученных данных представлена на рисунках 3.3.1 и 3.3.2. В целом, анализируя полученные результаты, можно отметить более лучшее согласие (по сравнению с углеводородами) расчетных и экспериментальных величин относительных плотностей. Максимальное отклонение в прогнозе относительной плотности наблюдается для ди-изопропилового эфира имеющего объемный углеводородный радикал. В тоже время спирты и кетоны показывают низкий процент ошибки в расчете плотности этих соединений. В качестве объектов изучения были взяты наиболее типичные представители соединений данной группы. В частности: Амины. Нитрилы. Нитросоединения. Меркаптаны. Общее количество рассмотренных соединений составило 23. Значения радиусов атомов (г) и коэффициента упорядоченности ку для соединений данной группы представлены в таблице 3.4.1. В таблице 3.4.2 представлен список рассмотренных соединений, экспериментальные (d204 (эксп.)), расчетные (d204 (расч.)) значения относительных плотностей и их отклонения (А). Таблица 3.4.2. Азот- и серусодержащие органические соединения, значения экспериментальных d204 (эксп.) [104] и расчетных d204(pac4.) относительных плотностей и их отклонения. Полученные результаты показывают удовлетворительный прогноз относительной плотности для рассмотренных соединений.
На рис.3.4.1 показан диапазон значений ошибки (в процентах) предсказания относительной плотности для рассматриваемых соединений. Экспериментальные (d204 (эксп.)), расчетные (d204 (расч.)) значения относительных плотностей представлены графически на рис 3.4.2. Рис. 3.4.2. Значения расчетной и экспериментальной величин относительных плотностей ряда соединений. В качестве объектов исследования были взяты некоторые типичные представители класса гетероциклических соединений. В частности, производные: фурана, пиридина, пиримидина, тиофена, пирролла. Общее количество рассмотренных соединений составило 45. Значения радиусов атомов (г) в модели «ANSAB» и коэффициента упорядоченности ку приведены в таблице 3.5.1. В таблице 3.5.2 приведен перечень рассматриваемых соединений и результаты вычислительного эксперимента для гетероциклических соединений. % v 4? J J J Л J? Л J" J- J J? J J" J" J У JB J Л & V ////////////////// ґ/ / ST /// ////////////// / / Jfr # / Наименование молекулярной структуры Рис. 3.5.1. Процент отклонения расчетной относительной плотности соединения от экспериментальной для ряда соединений. Анализируя полученные данные можно отметить, что представленные структуры достаточно разнообразны и по строению и по типу заместителей, но в тоже время показывают удовлетворительные результаты в оценке относительной плотности. Коэффициент упорядоченности использовался 0,7080, что немного отличается от ранее использованного (0,6022). Графически зависимость изменения значений расчетной и вычисленных относительных плотностей представлена на рис.3.5.2. % 1,3000 1Д000 0,9000 0,7000 уу/ . чч - Ліч Д УУ И Расчет
Наименование молекулярных структур Рис. 3.5.2. Значения расчетной и экспериментальной относительных плотностей для ряда соединений. Можно отметить, что в рассмотренную группу веществ входят представители различных классов гетероциклических соединений. Рассмотрение отдельных классов циклических соединений со своими значениями коэффициентов упорядоченности позволяет значительно улучшить качество прогноза. В таблице 3.5.3 приведены результаты вычислительного эксперимента и значения коэффициентов упорядоченности рассмотренных соединений, куда для сравнения добавлены производные бензола.
