Um banco de dados de perfis sigma aberto e extensível

• Ano de defesa: 2017
• Autor(a) principal: Ferrarini, Fabrício
• Orientador(a): Soares, Rafael de Pelegrini, Muniz, André Rodrigues
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Modelagem computacional; Solvatação; Química quântica; Processos químicos : Modelagem
• Palavras-chave em Inglês: Coefficient; COSMO-SAC; Sigma Profile; IDAC; VLE; LLE
• Link de acesso: http://hdl.handle.net/10183/163424

Modelos de atividade baseados em COSMO se apresentam como uma interessante alternativa para a predição do comportamento de substâncias em mistura. Estes modelos dependem apenas de informações das substâncias puras, como volume e área superficial e outra informação conhecida como perfil sigma, que podem ser determinados através de cálculos de química quântica computacional. O presente trabalho tem por objetivo criar e disponibilizar gratuitamente um banco de dados de perfis sigma para um vasto conjunto de moléculas utilizando o software GAMESS. Para a criação desse banco de dados com informações confiáveis de perfis sigma, foram testados diferentes níveis de teoria para o cálculo da estrutura eletrônica das moléculas, bem como conjuntos de bases distintos, considerando funções de polarização e efeitos difusos. Para realizar a validação dos perfis sigma obtidos, foram estimados valores de coeficientes de atividade em diluição infinita, obtidos através do modelo COSMO-SAC para um conjunto de 689 misturas, as quais não apresentam ligação de hidrogênio. A correlação com os valores de coeficiente de atividade em diluição infinita (IDAC) experimentais, foram construídos gráficos do logaritmo natural de IDAC experimentais e aqueles calculados pelo modelo. O tempo computacional total para obter os perfis sigma também foi avaliado com o intuito de escolher a melhor combinação de teoria e função de base. Dentre os métodos analisados, a teoria de Hartree-Fock (HF) com a função de base 6-311G(d,p) apresentou um bom custo benefício no que se refere ao tempo computacional e a precisão dos resultados frente a dados experimentais, apresentando um coeficiente de determinação superior a 0,94. A partir desses resultados, foi possível criar outros perfis sigma para um número maior de moléculas e disponibilizar essas informações em um banco de dados criado na plataforma do GitHub.