【印聯傳媒網訊】據10月9日消息，2013諾貝爾獎化學獎得主為：馬丁·卡普拉斯(Martin Karplus)，邁克爾·萊維特(Michael Levitt)和亞利耶·瓦謝爾(Arieh Warshel)，以獎勵他們在“發展復雜化學體系多尺度模型”方面所做的貢獻。

　　化學反應極為迅速，在數百萬分一秒間，電子已經完成從一個原子核向另一個原子核的遷移。經典化學已經難以跟上這樣的步伐，要想借助實驗方法去描繪化學過程中的每一個小步驟幾乎已經是不可能的任務。今年的諾貝爾化學獎成果簡單來說便是綜合了兩個不同領域方法的精華，設計出了基于經典物理與量子物理學兩大領域的方法。

　　將實驗帶入信息時代

　　化學反應極為迅速，電子在原子核間迅速遷移，讓科學家們眼花繚亂。2013年度諾貝爾化學獎的獲得者們所做的工作，讓化學家們得以借助計算機的幫助揭示化學的神秘世界。這一進展所帶來的對詳細化學過程的了解將幫助我們改善催化劑，藥物甚至太陽能電池板方面的工藝。

　　現在，全世界的化學家們每天都在計算機上設計并進行實驗。這樣的場景之所以可能，正是得益于三名科學家：Martin Karplus, Michael Levitt 和Arieh Warshel在上世紀70年代開始所做的工作。他們仔細審視復雜化學過程中的每一個小步驟，而這些細節通常是肉眼難以察覺的。

　　一張圖像勝過千言萬語，但并非全部

　　為了便于普通讀者理解這項成就的意義，我們在這里舉例說明。假設現在你接到一項實驗任務：創造人工光合作用。這種發生在植物綠葉之中的神奇化學反應讓我們的大氣中充滿氧氣，而這是地球上的生命體賴以生存的基礎。然而這對于環境保護的角度來看同樣具有重要意義——如果你能模擬光合作用機制，那么我們就將能制造出更加高效的太陽能電池板。當水分子被分解就會產生氧氣，同時也會產生出可以被用做能源的氫氣。因此開展這方面的工作具有巨大的吸引力和價值。如果你能成功，你將能幫助世界對抗溫室效應。

　　首先，你可能需要上網查找與光合作用有關的蛋白質的三維精細結構，這在一些大型數據庫中便可以免費獲得。在你的電腦上，你可以自由地從各個角度進行查看。這些巨大的蛋白質分子可能包含數以十萬計的原子。在其中存在一個很小的區域，稱作反應中心。正是在這里水分子被分解。

　　然而實際上僅有少部分的原子實際參與到了這項過程中。比如說，你看到4個錳離子，一個鈣離子和數個氧原子。在你面前，你很清楚的看到這些原子和離子的相對位置，但你卻無從知曉它們各自在反應中的作用。而這正是你需要搞清楚的地方。

　　這一過程的細節利用傳統的化學方法幾乎是不可能予以完整呈現的，在一瞬間可以發生許多事，而這一事實便已經讓傳統的試管研究方法成為不可能。光憑電腦屏幕上顯示的圖像，你也很難去猜測其中具體的反應過程，因為這些圖像是在蛋白質處于靜止狀態時繪制的。而當陽光照射到綠葉上，這些蛋白質就會充斥能量，其整個原子結構都會發生改變。為了理解這一過程，你需要了解被注入能量之后蛋白質的樣子。

　　而實現這一點這就需要仰賴本年度諾貝爾化學獎得主科學家們所奠基的一種計算機程序。

　　理論與實踐的相互促進

　　借助軟件幫助，你可以模擬一個化學過程中各種可能的反應路徑，這就是模擬或模型。這樣做將讓你得以了解在反應不同階段不同原子所起的作用。

　　隨后，當你找到了那些似乎可行的反應路徑之后，你就可以開展實驗來驗證這種計算機給出的反應路徑是否確實是正確的，從而反過來修正模型，提升其進行模擬時的精確度。如此相互促進，讓現在化學家們在試管和計算機前所花費的時間已經幾乎相同。

　　那么，此次被授予諾貝爾化學獎的這種計算機程序又究竟有著何種獨到之處呢?

　　牛頓的蘋果和薛定諤的貓

　　在此之前，當科學家們需要在電腦上模擬分子，他們所擁有的軟件要么是基于經典物理的，要么則是基于量子物理學的。

　　這兩種方法各自有著優缺點。經典物理的強大之處在于其計算過程相對簡單，并且可以擁有模擬非常大型的分子結構，并向化學家們展示一個大型分子的精細結構。但是它也擁有明顯的劣勢，那就是它無法模擬化學反應過程，因為在反應過程中，分子是充滿能量而處于激活態的。經典物理學方法無法理解這種狀態，這也是它最嚴重的缺陷。

　　因此為了表現這一部分，化學家們不得不求助于量子物理學。在這一理論中，電子具有兩態度=性，它既可以是粒子，也可以同時是波，就像薛定諤的貓，它可以同時處于活著和死亡的狀態。

　　量子物理學的優勢在于它是不偏不倚的，基于它所產生的模型不會帶有任何科學家們的先入之見。因此這樣的模擬將更加接近真實。然而量子物理學方法最大的局限性就在于它需要海量的計算。

　　在量子物理學方法中，計算機將需要處理分子內部的每一個電子和每一個原子核。這就有點像是電子圖像的像素，像素增加當然可以提升圖像的質量，但是與此同時它也會大大增加電腦的運算量。相似的，基于量子物理學的方法可以更真實地描述化學反應過程，但需要強大的計算機。而在上世紀70年代，這就意味著它只能被應用于非常有限的小分子上。在考察反應過程時科學家們也不得不忽略其周遭環境，盡管現實情況下的化學反應往往都是在某種溶劑環境下發生的。然而如果科學家們將溶劑環境因素也考慮進去的話，那么他們要想得到運算結果可能就將需要等上數十年的時間了。

　　因此，經典和量子化學是兩個完全不同的領域，在一些方面甚至是沖突的。然而2013年的諾獎獲得者成功地在這兩者之間打開了一扇門，將牛頓和他的蘋果，與薛定諤與他的貓相互結合在了一起。

　　量子化學與經典物理學的結合

　　這一聯姻的最初一步在1970年代，Martin Karplus位于美國哈佛大學的實驗室中邁出了。Karplus一直致力于量子物理方法的研究工作。他帶領的研究組開發的計算機程序可以利用量子物理原理來模擬化學反應過程。他還提出了“Karplus方程”，該方程的原理后來被應用到了核磁共振技術之中，這是一項化學家們所熟知的，基于分子的量子特性而發展起來的方法。

　　1970年，在完成博士學位之后，以色列的Arieh Warshel抵達了Karplus在美國的實驗室。Warshel原先在以色列的魏茨曼科學研究所進行博士階段的研究工作。這一研究所擁有一臺超級計算機“Golem”，這是猶太人民間傳說中一種生物的名字。在Golem的幫助下，Arieh Warshel 和 Michael Levitt發展了一套革命性的計算機程序，其基于經典理論，可以實現對所有分子的模擬，甚至是那些巨大的生物分子。

　　當Arieh Warshel加入Martin Karplus在哈佛大學的實驗室，他也帶來了他的計算機程序。就從此時開始，他和Karplus開始共同開發一種新型程序，其可以對不同的電子采用不同的處理方法。在大部分分子結構中，每個電子都圍繞一個原子核運行，但在有些分子中，部分電子可以在幾個原子核之間自由運行。比方說，視網膜分子結構中就存在這種自由電子。Karplus長久以來對視網膜就有濃厚興趣，因為這是一種分子的量子化學過程，并會造成生物學效應;當光線抵達視網膜，其中的自由電子充滿能量，從而造成分子結構變形。這是構成人類視覺的最初步驟。

　　最后，Karplus 和 Warshel成功地建立了視網膜結構模型。然而他們一開始建立的模型是被大大簡化了的。他們發展了一套計算機程序，當其處理自由電子時會采用量子物理算法，而當處理其他電子和原子核時則采用更加簡單的經典方法。1972年，他們公布了這項最新的方法，這是世界上首次實現這兩種方法的結合。但這種方法是有局限性的，它要求分子必須是鏡面對稱的。

　　計算生命化學的通用程序

　　經過在哈佛大學為期兩年的深造，瓦謝爾與萊維特重新會合。而萊維特已在劍橋大學完成博士培訓，主要研究生物分子學，如DNA、RNA和蛋白質等。他使用了經典的計算機程序來更好地了解生物分子究竟是什么樣子的。但其局限性不可否認，只能研究靜止狀態下的分子。

　　瓦謝爾與萊維特的志向很遠大。他們希望開發出一款程序，可用來研究酶類，以及主導和簡化鮮活有機體化學過程的蛋白質。在學生時代，瓦謝爾就曾關注過酶類的功能。也正是酶類之間的相互合作讓生命成為可能，它們幾乎控制著生命體內的所有化學反應。如果想了解生命，就需要了解酶類。

　　為模擬酶類反應，瓦謝爾與萊維特需要使經典和量子物理學更順暢地協作，這可能需要幾年的時間來解決各種問題。于是，他們在魏茨曼科學研究所(Weizmann insitute)著手研究。但幾年后萊維特完成博士后培訓后，他回到了劍橋。后來，瓦謝爾與萊維特在劍橋會合。1976年，他們實現了自己的目標，發表了全球首個酶類反應計算機模型。自此，在模擬化學反應時，規模已不再是問題。

　　專注于核心原子

　　當前化學家在模擬化學過程時，他們會應用到所需的一切裝備。他們會對直接影響化學過程的每一個電子和原子核進行破費周折的量子物理計算。這樣，他們才可能獲得最佳的實驗結果。而分子的其他部分則使用經典的方程式進行模擬。

　　為了不浪費計算資源，萊維特和瓦謝爾已經對工作量進行了進一步削減。計算機無需再對每一個單一的原子進行計算，尤其是那些無關緊要的部分。他們已經證明，在計算過程中，完全可以將幾個原子進行合并處理。

　　模擬的深遠意義需由未來決定

　　當前科學家們可以通過計算機進行試驗，這有利于我們更深入地了解整個化學過程。卡普拉斯、萊維特和瓦謝爾所發明的多尺度模型的意義在于其具有普遍性，可用來研究各種各樣的化學過程，從生命分子到工業化學過程等?？茖W家們還可以以此優化太陽能電池、機動車的燃料，甚至要藥品等。

　　其研究進展還不僅如此，萊維特還曾在一份刊物中談到其夢想：在分子層面上模擬鮮活有機體，這是一個頗具吸引力的想法。今年的諾貝爾化學獎得主所開發的計算機模型已經足夠強大，但究竟能在多大程度上豐富我們的知識還需時間來決定。

本文由印聯傳媒小新編輯整理