Orientational isomerism in water clusters (h2o)n = 2–5, corresponding to the complete set of oriented graphs

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

On the basis of quantum-chemical calculation X3LYP/6-311++G(2d, 2p) for orientational isomers of water clusters (H2O)n = 2–5, corresponding to the full set of oriented graphs with the number of vertices from 2 to 5, thermodynamic functions and concentrations of clusters in the gas phase have been determined. It is found that the phenomenon of orientational isomerism of water clusters must be taken into account to correctly estimate the gas-phase concentrations. For the full set of orientational isomers, the concentration of water clusters in the gas phase in saturated vapor under standard conditions is 1–2 orders of magnitude higher than the concentrations calculated only for the lowest-energy structures.

Full Text

Restricted Access

About the authors

E. A. Shirokova

Lobachevsky State University of Nizhni Novgorod

Author for correspondence.
Email: ekashirokova@gmail.com
Russian Federation, Nizhny Novgorod

S. K. Ignatov

Lobachevsky State University of Nizhni Novgorod

Email: ekashirokova@gmail.com
Russian Federation, Nizhny Novgorod

References

  1. I.K. Larin, Russ. J. Phys. Chem. B 16, 492 (2022). https://doi.org/10.1134/S1990793122030083
  2. Il. S. Golyak, D. R. Anfimov, I. B. Vintaykin et al., Russ. J. Phys. Chem. B 17, 320 (2023). https://doi.org/10.1134/S1990793123020264
  3. G.V. Golubkov, A.A Berlin, Y.A. Dyakov et al., Russ. J. Phys. Chem. B 17, 1216 (2023). https://doi.org/10.1134/S1990793123050214
  4. V. Vaida, J. Chem. Phys. 135, 020901 (2011). https://doi.org/10.1063/1.3608919
  5. J.M. Anglada, G.J. Hoffman, L.V. Slipchenko et al., J. Phys. Chem. A 117, 10381 (2013). https://doi.org/10.1021/jp407282c
  6. N.C. Frederiks, A. Hariharan, and C.J. Johnson, Annu. Rev. Phys. Chem. 74, 99 (2023). https://doi.org/10.1146/annurev-physchem-062322-041503
  7. S.K. Ignatov, P.G. Sennikov, A.G. Razuvaev et al., J. Phys. Chem. A 107, 8705 (2003). https://doi.org/10.1021/jp034618h
  8. S.K. Ignatov, P.G. Sennikov, A.G. Razuvaev, and O. Schrems, J. Phys. Chem. A 108, 3642 (2004). https://doi.org/10.1021/jp038041f
  9. K. Morokuma and C. Muguruma, J. Am. Chem. Soc. 116, 10316 (1994). https://doi.org/10.1021/ja00101a068
  10. M.A. Vincent, I.J. Palmer, I.H. Hillier, and E. Akhmatskaya, J. Am. Chem. Soc. 120, 3431 (1998). https://doi.org/10.1021/ja973640j
  11. S. Okumoto, N. Fujita, and S. Yamabe, J. Phys. Chem. A 102, 3991 (1998). https://doi.org/10.1021/jp980705b
  12. J.D. Bernal and R.H. Fowler, J. Chem. Phys. 1, 515 (1933). https://doi.org/10.1063/1.1749327
  13. K.D. Jordan and K. Sen, in Chemical Modelling (Royal Society of Chemistry, Cambridge, 2016). https://doi.org/10.1039/9781782626862-00105
  14. S.R. Gadre, S.D. Yeole, and N. Sahu, Chem. Rev. 114, 12132 (2014). https://doi.org/10.1021/cr4006632
  15. S.S. Xantheas, J. Chem. Phys. 102, 4505 (1995). https://doi.org/10.1063/1.469499
  16. M.E. Dunn, E.K. Pokon, and G.C. Shields, Int. J. Quantum Chem. 100, 1065 (2004). https://doi.org/10.1002/qua.20251
  17. M.E. Dunn, E.K. Pokon, and G.C. Shields, J. Am. Chem. Soc. 126, 2647 (2004). https://doi.org/10.1021/ja038928p
  18. B. Temelso, K.A. Archer, and G.C. Shields, J. Phys. Chem. A 115, 12034 (2011). https://doi.org/10.1021/jp2069489
  19. D.M. Bates and G.S. Tschumper, J. Phys. Chem. A 113, 3555 (2009). https://doi.org/10.1021/jp8105919
  20. A.E. Galashev, O.R. Rakhmanova, and V.N. Chukanov, Khimicheskaya fizika 24, 90 (2005). https://doi.org/
  21. O.A. Novruzova, A.N. Novruzov, O.R. Rakhmanova, and A.E. Galashev, Khimicheskaya fizika 26, 74 (2007). https://doi.org/
  22. A.E. Galashev, Russ. J. Phys. Chem. B 7, 502 (2013). https://doi.org/10.1134/S1990793113050047
  23. A.E. Galashev, Russ. J. Phys. Chem. B 8, 793 (2014). https://doi.org/10.1134/S1990793114110049
  24. S.V. Drozdov and A.A. Vostrikov, Tech. Phys. Lett. 26, 397 (2000). https://doi.org/10.1134/1.1262856
  25. E.D. Belega, K.A. Tatarenko, D.N. Trubnikov and E.A. Cheremukhin, Russ. J. Phys. Chem. B. 3, 404 (2009). https://doi.org/10.1134/S1990793109030105
  26. V. Babin and F. Paesani, Chemical Physics Letters 580, 1 (2013). https://doi.org/10.1016/j.cplett.2013.06.041
  27. Y. Wang, V. Babin, J. M. Bowman, and F. Paesani, J. Am. Chem. Soc. 134, 11116 (2012). https://doi.org/10.1021/ja304528m
  28. M.D. Tissandier, S.J. Singer, and J.V. Coe, J. Phys. Chem. A 104, 752 (2000). https://doi.org/10.1021/jp992711t
  29. J.D. Mallory and V.A. Mandelshtam, J. Chem. Phys. 145, 064308 (2016). https://doi.org/10.1063/1.4960610
  30. S. E. Brown, A. W. Götz, X. Cheng et al., J. Am. Chem. Soc. 139, 7082 (2017). https://doi.org/10.1021/jacs.7b03143
  31. S.K. Ignatov, A.G. Razuvaev, P.G. Sennikov, and O. Schrems, J. Mol. Struct.: THEOCHEM 908, 47 (2009). https://doi.org/10.1016/j.theochem.2009.05.003
  32. Y.A. Dyakov, S.O. Adamson, P.K. Wang et al., Russ. J. Phys. Chem. B 16, 543 (2022). https://doi.org/10.1134/S1990793122030149
  33. E.A. Shirokova, A.G. Razuvaev, A.V. Mayorov et al., J. Clust. Sci. 34, 2029 (2023). https://doi.org/10.1007/s10876-022-02365-9
  34. G. Brinkmann, J. Math. Chem. 46, 1112 (2009). https://doi.org/10.1007/s10910-008-9496-y
  35. J.-L. Kuo, J.V. Coe, S.J. Singer, Y.B. Band, and L. Ojamäe, J Chem. Phys. 114, 2527 (2001). https://doi.org/10.1063/1.1336804
  36. T. Miyake and M. Aida, Chem. Phys. Lett. 363, 106 (2002). https://doi.org/10.1016/S0009-2614(02)01150-8
  37. B. McKay, Combinatorial data. — URL: https://users.cecs.anu.edu.au/~bdm/data/graphs.html
  38. S.K. Ignatov, A.G. Razuvaev, and A.E. Masunov, in Book of Abstracts ”16-Th V. A. Fock Meeting on Quantum, Theoretical and Computational Chemistry” (Sochi, 2018), p. 10.
  39. D.C. Liu and J. Nocedal, Mathematical Programming 45, 503 (1989). https://doi.org/10.1007/bf01589116
  40. B.D. McKay and A. Piperno, J. Symb. Comput. 60, 94 (2014). https://doi.org/10.1016/j.jsc.2013.09.003
  41. M.J. Frisch, G.W. Trucks, H.B. Schlegel, G.E. Scuseria, M.A. Robb, J.R. Cheeseman, J.A. Montgomery Jr., T. Vreven, K.N. Kudin, J.C. Burant, J.M. Millam, S.S. Iyengar, J. Tomasi, V. Barone, B. Mennucci, M. Cossi, G. Scalmani, N. Rega, G.A. Petersson, H. Nakatsuji, M. Hada, M. Ehara, K. Toyota, R. Fukuda, J. Hasegawa, M. Ishida, T. Nakajima, Y. Honda, O. Kitao, H. Nakai, M. Klene, X. Li, J.E. Knox, H.P. Hratchian, J.B. Cross, V. Bakken, C. Adamo, J. Jaramillo, R. Gomperts, R.E. Stratmann, O. Yazyev, A.J. Austin, R. Cammi, C. Pomelli, J.W. Ochterski, P.Y. Ayala, K. Morokuma, G.A. Voth, P. Salvador, J.J. Dannenberg, V.G. Zakrzewski, S. Dapprich, A.D. Daniels, M.C. Strain, O. Farkas, D.K. Malick, A.D. Rabuck, K. Raghavachari, J.B. Foresman, J.V. Ortiz, Q. Cui, A.G. Baboul, S. Clifford, J. Cioslowski, B.B. Stefanov, G. Liu, A. Liashenko, P. Piskorz, I. Komaromi, R.L. Martin, D.J. Fox, T. Keith, M.A. Al-Laham, C.Y. Peng, A. Nanayakkara, M. Challacombe, P.M.W. Gill, B. Johnson, W. Chen, M.W. Wong, C. Gonzalez, and J.A. Pople, Gaussian, Inc., Wallingford CT. Gaussian 03, Revision D.01.
  42. Chemcraft – graphical software for visualization of quantum chemistry computations.
  43. S.K. Ignatov. Moltran v.2.5 – Program for molecular visualization and thermodynamic calculations, University of Nizhny Novgorod, 2004.
  44. H. DeVoe. Thermodynamics and Chemistry. Second Edition. 2019. https://www2.chem.umd.edu/thermobook/v10-screen.pdf
  45. M.V. Kirov, G.S. Fanourgakis, and S.S. Xantheas, Chem. Phys. Lett. 461, 180 (2008). https://doi.org/10.1016/j.cplett.2008.04.079
  46. S.V. Gudkovskikh and M.V. Kirov, Chem. Phys. 572, 111947 (2023). https://doi.org/10.1016/j.chemphys.2023.111947
  47. S.S. Xantheas, Chem. Phys. 258, 225 (2000). https://doi.org/10.1016/S0301-0104(00)00189-0

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Types of isomerism of water clusters: a – three types of oxygen “skeletons” for a water hexamer, b – some of the possible orientational isomers for one oxygen “skeleton”.

Download (97KB)
Indexing metadata
3. Fig. 2. Representation of hydrogen bonds in a water cluster as directed edges of an oriented graph (according to [30]).

Download (10KB)
Indexing metadata
4. Fig. 3. Connected undirected graphs corresponding to the water clusters considered in the work.

Download (59KB)
Indexing metadata
5. Fig. 4. Undirected graphs that are realized for water clusters (H2O)n, n = 2–5.

Download (33KB)
Indexing metadata
6. Fig. 5. Analysis of the transformations of oxygen “skeletons” during the optimization of the geometry of clusters (H2O)n: a – n = 3, b – n = 4, c – n = 5.

Download (58KB)
Indexing metadata
7. Fig. 6. Distribution of (H2O)n clusters (n = 2–5) by binding energy ΔbE.

Download (38KB)
Indexing metadata
8. Fig. 7. Isomers with the lowest ΔbE value for each oxygen “skeleton”; bond lengths are given in Å.

Download (150KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».