An innovative computational protocol to study kinetic constants

In recent years, the field of computational chemistry has witnessed significant advancements, revolutionizing our comprehension of intricate chemical processes. Among these advancements, metadynamics has emerged as a powerful tool for the investigation of rare events and the exploration of reaction mechanisms in diverse systems. This thesis focuses on metadynamics, renowned for its capacity to efficiently sample the free energy landscape, to study chemical reactions, with the intention of developing a computational protocol able to study also chemical reactions in liquid phase. In fact, the application of metadynamics in liquid-phase reactions remains relatively unexplored within the academic discourse. The presence of solvent molecules poses unique challenges, substantially influencing reaction dynamics. Understanding these dynamics is pivotal in elucidating fundamental mechanisms and constructing kinetic models. The methodology employed in this work revolves around the concept of enhanced sampling techniques, particularly metadynamics. By applying a repulsive bias potential to collective variables, metadynamics enables the exploration of higher timescales, transcending the limitations of conventional molecular dynamics simulations. The core contribution of this thesis is the development of a novel protocol for computing kinetic rate constants in the liquid phase. To validate this protocol, it is initially applied to a gaseous phase reaction environment, specifically focusing on the β-scission reaction of Polyvinyl chloride (PVC). Comparisons with existing data affirm the validity and accuracy of the method. Central to the computational approach is the execution of independent simulations, the results of which are integrated to derive fundamental information to compute kinetic rate constants. This methodology, characterized by its use of parallel simulations and data integration, efficiently overcomes the accuracy challenges encountered in individual simulations. Data integration has been achieved thanks to a python package developed by Salvalaglio et All at the University College of London.

Negli ultimi anni, il campo della chimica computazionale ha assistito a significativi progressi, rivoluzionando la nostra comprensione dei complessi processi chimici. Tra questi progressi, la metadinamica si è affermata come uno strumento potente per l'indagine di eventi rari e l'esplorazione dei meccanismi di reazione in sistemi diversificati. Questa tesi si concentra sulla metadinamica, rinomata per la sua capacità di campionare efficacemente il paesaggio dell'energia libera, al fine di studiare le reazioni chimiche, con l'intenzione di sviluppare un protocollo computazionale in grado di studiare anche reazioni chimiche in fase liquida. Infatti, l'applicazione della metadinamica in reazioni in fase liquida rimane relativamente inesplorata nel dibattito accademico. La presenza di molecole solventi pone sfide uniche, influenzando notevolmente la dinamica delle reazioni. Comprendere questa dinamica è cruciale per elucidare i meccanismi fondamentali e costruire modelli cinetici. La metodologia impiegata in questo lavoro ruota attorno al concetto di tecniche di campionamento avanzato, in particolare la metadinamica. Applicando un potenziale di bias repulsivo a variabili collettive, la metadinamica consente l'esplorazione di scale temporali più elevate, superando le limitazioni delle simulazioni di dinamica molecolare convenzionali. Il contributo centrale di questa tesi è lo sviluppo di un nuovo protocollo per il calcolo delle costanti cinetiche in fase liquida. Per convalidare questo protocollo, è stato inizialmente applicato a un ambiente di reazione in fase gassosa, concentrandosi specificamente sulla reazione di β-scissione del cloruro di polivinile (PVC). I confronti con dati esistenti confermano la validità e l'accuratezza del metodo. Centralmente all'approccio computazionale è l'esecuzione di simulazioni indipendenti, i cui risultati vengono integrati per ottenere informazioni fondamentali per il calcolo delle costanti cinetiche. Questa metodologia, caratterizzata dall'uso di simulazioni parallele e dall'integrazione dei dati, supera efficacemente le sfide legate all'accuratezza riscontrate nelle simulazioni individuali. L'integrazione dei dati è stata ottenuta grazie a un pacchetto Python sviluppato da Salvalaglio et al. presso l'University College di Londra.