W1 and W2 Theories, and Their Variants: Thermochemistry in the kJ/mol Accuracy Range
Jan M. L. Martin, S. Parthiban
备注：
32 pages: differs only in minor formatting details from published book chapter. Posted online following purchase of Kluwer by Springer and move to "Romeo Green" policy
发表信息：
Chapter 2, pp. 31-65 in "Quantum Mechanical Prediction of Thermochemical Data" (ed. Jerzy Cioslowski), Understanding Chemical Reactivity, vol. 22, Kluwer Academic Publishers, Dordrecht, The Netherlands, 2001
在《热化学数据的量子力学预测》（Jerzy Cioslowski，Kluwer，2001; ISBN 0-7923-7077-5）一书的第2章中，我们回顾了非经验计算热化学方法W1和W2理论及其变体。本章在出版商电子印刷政策发生变化后可在线查阅。
英文摘要：
In this 2nd chapter of the book Quantum Mechanical Prediction of Thermochemical Data" (ed. Jerzy Cioslowski, Kluwer, 2001; ISBN 0-7923-7077-5), we review the nonempirical computational thermochemistry methods W1 and W2 theory and their variants. The chapter is made available online following a change in publisher E-print policy.
Benchmark thermochemistry of the C_nH_{2n+2} alkane isomers (n=2--8) and performance of DFT and composite ab initio methods for dispersion-driven isomeric equilibria
本文用W_4、W_3.2lite和W_1h理论重新研究了八碳以下直链和支链烷烃的热化学。通过等键和次同键反应获得了"准W4"原子化能。我们在0 K时的最佳原子化能量（kcal/mol）为：1220.04正丁烷，1497.01正戊烷，1774.15正己烷，2051.17正庚烷，2328.30正辛烷，1221.73异丁烷，1498.27异戊烷，1501.01新戊烷，1775.22异己烷，1774.61 3-甲基戊烷，1775.67二异丙基、1777.27新己烷、2052.43异庚烷、2054.41新庚烷、2330.67异辛烷和2330.81六甲基乙烷。我们对$ΔH^\circ_{f,298K}$的最佳估计为：-30.00正丁烷、-34.84正戊烷、-39.84正己烷、-44.74正庚烷、-49.71正辛烷、-32.01异丁烷、-36.49异戊烷、-39.69新戊烷、-41.42异己烷、-40.72 3-甲基戊烷、-42.08二异丙基、-43.77新己烷，-46.43异庚烷、-48.84新庚烷、-53.29异辛烷和-53.68六甲基乙烷。这些是在极好的协议（通常优于1 kJ/mol），在298 K的实验生成热从CCCBDB和/或NIST化学网络图书数据库。然而，在0 K的理论和实验（1.1千卡/摩尔）之间的一个很大的差异观察到只有新戊烷。这种偏差主要是由于在计算0 K CCCBDB值时使…
Molecular reference corrections for quantum Monte Carlo adsorption energies
SUNCAT Center for Interface Science and Catalysis, SLAC National Accelerator Laboratory（斯坦福直线加速器中心界面科学与催化中心）；Department of Chemical Engineering, Stanford University（斯坦福大学化学工程系）；SLAC National Accelerator Laboratory（斯坦福直线加速器中心）；Stanford University（斯坦福大学）
Universal Machine-learning Molecular Dynamics at the Speed of Empirical Potentials
Peking University（北京大学）；AI for Science Institute（人工智能科学研究所）；DP Technology（深势科技）；Academy for Advanced Interdisciplinary Studies, Peking University（北京大学交叉信息研究院）；Institute of Applied Physics and Computational Mathematics（应用物理与计算数学研究所）
