認識世界的第三條路
在歷史的大部分時間裡，化學只有兩條學習的路：做實驗，或者用紙筆推演理論。電腦開出了第三條路。因為支配原子的規律是*已知的方程*，我們可以把這些方程交給機器，讓它一點點算出原子會怎麼做——不需要試管。這就是計算化學：靠計算而不是靠反應來做化學。
既然有真實的實驗室，何苦如此？因為電腦能去實驗台去不了的地方。它可以模擬一個會爆炸的反應、一個只存在十億分之一秒的分子，或者一個還沒人合成出來的候選藥物。在電腦裡搭建一個分子或材料的可運行模型，叫作分子模擬——一份你可以戳、可以加熱、可以慢動作觀看的虛擬樣品。
深層的難題：一條我們解不全的漂亮方程
這一切的核心，端坐著一條方程。薛丁格方程原則上精確描述了任何分子裡電子的行為——而電子正是讓化學得以發生的東西。把它解出來，你就什麼都知道了：形狀、能量、顏色、反應性。麻煩在於，對於任何比氫原子更大的體系，這條方程精確求解起來就糾纏到不可能。所有電子同時彼此推擠，數學就打成了死結。
所以計算化學的整盤棋，就是去找聰明又誠實的*近似*——在不精確求解那不可能之物的前提下，把答案做到足夠接近、足夠有用。不同的方法，在準確度和電腦所需的時間之間做出不同的取捨。為手頭的任務挑對那筆取捨，就是這門功夫的一半。
密度泛函理論：一條絕妙的捷徑
對付電子這道難題，最流行的近似是密度泛函理論，通常縮寫為 DFT。它的訣竅是換一套記帳方式。DFT 不去單獨追蹤每個電子那條完整又糾纏的波，而只追蹤*電子密度*——一團簡單的雲，告訴你電子在空間每一點上抹得有多厚。事實證明，這團比完整的糾纏簡單得多的雲，仍然帶著足夠的信息，能算出一個分子的能量和形狀。
這條捷徑把不可能變成了僅僅是困難。DFT 足夠準、又足夠快，如今每年要跑上幾百萬次——設計電池材料、篩選催化劑、預測一個設想中的分子究竟能不能成形。它並不完美，細心的化學家知道它的盲點，但它是這個領域裡的日常主力，就像光譜儀之於實驗台。
分子動力學：給原子按下「播放」
DFT 告訴你一個靜止不動的分子的樣子。但化學是*運動*——分子在互相推搡、摺疊、碰撞。要看這個，我們用分子動力學。它的念頭簡單得近乎卡通：給每個原子一個位置和一個小小的初速，算出每個原子從鄰居那裡感受到的作用力，讓一切移動一飛秒那麼久，再重新算力，然後重複。把幾百萬個這樣的小步串起來，就成了一部原子運動的電影。
研究者就是這樣觀看一個蛋白質摺疊成形、看水如何流過一條微小的通道，或者弄清一種材料為什麼恰好在那個溫度熔化。難處在於時間尺度：每一步只跨一飛秒，所以哪怕在超級電腦上跑一場英勇的計算，也只夠到達微秒——對我們是一次心跳，對一個原子卻是永恆。明智地讀分子動力學，意味著永遠要問一句：這部電影跑得夠不夠長，足以展現你在意的那件事？
蒙地卡羅：靠擲骰子來求知
還有第二條更狡黠的路去探索一份虛擬樣品，它倚仗的是機遇。蒙地卡羅模擬根本不沿著時間去跟蹤原子。它轉而提出一個隨機的改動——推一下這個分子、翻一下那個——再用一條加了權重的規則來決定接受還是拒絕，使得在幾百萬次隨機嘗試之後，它訪問過的那些構型，恰好符合大自然真正會產生的統計。它以那家著名的賭場命名，因為它是靠極其大量、又極其聰明地「賭」，來學到真相的。
- 分子動力學：當你在意一個體系如何隨時間運動和變化（摺疊、流動、熔化）時最好用。
- 蒙地卡羅：當你只在意最終的統計——平均能量、某個狀態出現的頻率——而不在意走到那裡的逐步路徑時最好用。
- 兩者：在相信結果之前，永遠要拿它和真實測量去對照。
虛擬與真實相遇之處
人們很容易以為電腦讓實驗室過時了。它沒有——它給實驗室造了個搭檔。模擬提示哪些實驗值得去做；實驗則告訴模擬，它的近似在哪裡出了錯。而且，正如一次實驗台上的測量，一個算出來的數字也帶著它自己的不確定度——來自所選的近似、模型的局限、有限的運行時長。誠實的計算化學家，會像任何讀溫度計的人一樣，以同樣的紀律把這份不確定度報出來。電腦是一座實驗室，而一座實驗室只有在你誠實地發問時，才會對你講真話。