理论家与实验者应该要有个交流，这样才能推动科学的进步
iNature：理论与实验相互冲突，怎么办？最好一起合作。
基本介绍
多孔材料广泛用于储存和分离气体并催化反应。一类被称为金属 - 有机框架（MOFs）的材料正在迎来新的用途【1】。这些材料由通过有机桥连接的金属离子或簇组成。但是，这就出现了有数百万种方法来排列元素。
这种变化带来了挑战。即使是经验最丰富的化学家，选择合适的MOF也是一项艰巨的任务。计算机筛选可以在几周内定位到最优MOF的范围，而不需要大量研究生去做这些事情。但是计算化学必须以实验证据为基础。这就要求各研究小组之间建立伙伴关系。例如，我们的小组与计算专家合作解决从气体分离到催化等各种问题。
当实验证据不支持理论预测时，反之亦然，将冲突结果合理化的最简单方法是责怪合作者。如果在最近的会议上激烈的辩论是什么事情，理论家和实验者之间的这种摩擦，正在减缓与MOF相关的研究进展。两个阵营都可能对另一个阵营的实力置若罔闻，各自从跨越式发展中获益。
我们希望能够通过这片岩石地带，展示一些紧张局势可以建立的地方，并举例说明实验和理论化学之间的成功婚姻。通过学习更好地了解彼此，研究人员可以开展密切的合作，提供无法单独从任一条路线实现的见解。
理论向导式的研究
可以对MOF结构进行微调，以根据尺寸筛选出特定的原子或化合物。 这种物理属性最好用硅片扫描。 例如，去年发现了一个MOF，它的毛孔刚好足以容纳一个氙原子（直径约4埃），使它能够将氪和其他放射性核燃料成分分离出来。 它被发现在一个包含10万个可能结构的数据库中，因为Xe的预测亲和力大约比Kr大16倍【2】。 实验测试证实了这一点，验证了计算方法。
化学性质如反应性难以预测。但是建模可以提供解释性和实际的见解。在实验太危险而无法进行的情况下，例如涉及化学武器使用的物质的情况下，在计算机上进行前期探索，可能是有用的。这里的标准实验室的做法是使用更安全的等效化学品来预测有毒物质在某些情况下的行为。但是，在实践中，制剂和它们的模拟物往往有很大差异。模型经常更好地预测神经毒剂的化学行为。
建模还可以帮助最大限度地减少研究人员在反应过程中对有毒副产物的暴露。例如，具有Zr【6】节点的MOF降解神经毒剂VX（O-乙基S-二异丙基氨基乙基甲基硫代膦酸酯）和GD（O-频哪醇甲基氟膦酸酯）。 MOF节点切割一个键（P-S）而不是另一个（P-O）是非常重要的，以避免产生有毒的化学物质【3】。基于“密度泛函理论”的计算，探索反应过程中产生的各种化学物质的稳定性，将这种MOF鉴定为潜在的催化剂，而无需研究人员进行许多危险的实验室测试【4】。
MOF催化是计算指导加速发现的另一个领域。建模极大地减少了合成，表征和筛选例如模拟酶的行为，并促进反应的基于铁的MOF所需的时间和资源，例如乙烷转化为乙醇【5】。
挑战及其应对
也就是说，简单的计算常常无法解释或预测观察到的现象。事实上，微妙和不完善可以促成许多MOF性质，这只是通过实验来揭示。例如，缺陷是用于生产乙醇的铁基MOFs中催化活性的来源【6】。
MOF结构也是动态的 - 在各种条件下呈现千变万化的特性。一个苄基环可能旋转，或有机链链接弯曲和拉伸。孔径收缩或膨胀，并允许分子进入，否则将会太大而不适合。这种“呼吸”和“门控”可能使合成的MOF吸收化学物质变得比预期更容易或更难。例如，动态的结构变化提高了灵活的MOF充当甲烷储存吸附剂的能力【7】。
不幸的是，大多数计算机模型仍然认为MOF是僵化的。每种类型的缺陷以及材料所用的应用都需要使用不同的方法进行建模。这大大增加了计算筛选的复杂性，并且意味着模型不能真实地捕捉真实材料的属性或准确地预测其属性【8】。
当然，实验也有缺点。当MOF属性变化时，执行它们的困难可能导致理论和实验研究人员像锁定一次性结果一样成为“真相”。需要几周或几个月的时间仔细优化晶体，这些晶体的大小和规则足以通过X射线晶体学来探测其结构。然而采集了这么长时间的晶体数据只能在特定的时间显示结构。 X射线扫描是在低温和氮气下进行的 - 在实际应用中不切实际的条件。
更好的合作
所有条纹的MOF化学家都需要互相交谈。他们应该在合作的另一端体验生活，了解每种技术的局限性，并从中获得解决差异的方法。在实验室花一两个星期来综合或表征材料的理论家会提高他们对每种化学或物理观察的理解。
理论与实验交叉的研究领域应该成为这种合作的焦点 - 它们最有可能取得进展。例如，在储气和分离方面，理论家可以找到有前途的材料供实验者快速跟踪。例如，在室温储氢或氮气活化分离氮气和甲烷或氨合成方面仍然存在困难的问题。同样，在催化反应中识别计算中间体化合物可以改善下一代催化剂【9】。
实验者应该在与应用相关的条件下尽可能多地表征他们的MOF材料。这将有助于理论家改善他们的模型，更好地为实验者服务。新模型将需要实验测试来验证它们。
双方都需要耐心。正如我们的计算合作者很快提醒我们的，“我们可以建模任何东西，但是我们不能对所有东西进行建模”。
原文链接
https://www.nature.com/magazine-assets/d41586-017-07207-7/d41586-017-07207-7.pdf
注：主要编译Nature文章，所有的图片来自Nature，另外加入了自己的观点。
参考文献
1. Li, H., Eddaoudi, M., O’Keeffe, M. & Yaghi, O. M. Nature 402, 276–279 (1999).
2. Banerjee, D. et al. Nature Commun. 7, ncomms11831 (2016).
3. Moon, S.-Y. et al. Inorg. Chem. 54, 10829–10833 (2015).
4. Mondloch, J. E. et al. Nature Mater. 14, 512–516 (2015).
5. Vogiatzis, K. D. et al. J. Phys. Chem. C 120, 18707–18712 (2016).
6. Sholl, D. S. & Lively, R. P. J. Phys. Chem. Lett. 6, 3437–3444 (2015).
7. Mason, J. A. et al. Nature 527, 357–361 (2015).
8. Lee, K., Howe, J. D., Lin, L.-C., Smit, B. & Neaton, J. B. Chem. Mater. 27, 668–678 (2015).
9. Bernales, V. et al. J. Phys. Chem. C 120,23576–23583 (2016).