ORCA Meets Python — The ORCA Python Interface OPI (v2.0)
Tetenberg, Neugebauer, Plett, Santhosh, Bursch, Riplinger — J. Chem. Theory Comput. 2026 — DOI: 10.1021/acs.jctc.5c02141
🎯 ORCA 全手法ポートフォリオを Python から自動制御。ML 訓練データ生成・汎関数チューニング・軌道可視化を数行で実現
① OPI の 5 クラス構成
Calculator
中心クラス。入力生成・実行・出力解析を統合。calc = Calculator("basename")
Input + Structure
計算設定と分子構造の定義。XYZ / SMILES / RDKit Mol / ASE Atoms から作成可能
Runner
ORCA バイナリの実行管理。TOML ファイルで ORCA パス・MPI 設定
Output
Pydantic モデルで JSON 出力を型安全に解析。Grepper でテキスト出力の検索も可能
② 最小スクリプト例
from orca_pi import Calculator, Structure,
    Method, BasisSet

calc = Calculator("job")
calc.structure = Structure.from_smiles("O")
calc.input.add_simple_keywords(
    Method.DLPNO_CCSD_T,
    BasisSet.CC_PVTZ
)
calc.input.ncores = 8
calc.run()
out = calc.get_output()
out.parse()
print(out.get_final_energy())

pip install orca-pi | ORCA ≥ 6.1.1 | Python ≥ 3.11

③ 対応 ORCA 手法の主要例
手法用途
DLPNO-CCSD(T)高精度 QM (cation-π 学習データ)
DFT (各種汎関数)構造最適化・熱化学・スペクトル
GFN2-xTB高速半経験的 (軌道可視化)
r2SCAN-3c効率的コンポジット DFT
ωB97M-V範囲分離汎関数 (TADF 設計等)
④ 主な結果 (a) ML 訓練データ生成
ML 訓練データ生成フロー MindlessGen 構造生成 OPI ORCA 実行 HDF5 取得プロパティ: エネルギー • 勾配 • HOMO-LUMO • MBIS 電荷 • 動的分極率 304 データ点 (H,B,C,N,O,F, ≤20 atoms) 自動生成 AIMNet2 / UMA などの MLIP 訓練データとして活用
④ 主な結果 (b) 汎関数最適チューニング自動化
ω チューニング: J²(ω) 最小化 (DOBNA) ω パラメータ → J²(ω) ω*=0.19 ω₀=0.30 ΔE(S1-T1): default 0.25eV → tuned 0.20eV (実験 0.18eV)

135 計算を完全自動化（SciPy 最適化、7ステップ収束）

④ 主な結果 (c) DFA アンサンブル (MB16-43)
DFA アンサンブル最適化重み M06-2X 75% ωB97M-V 13% r2SCAN 12% アンサンブル MAD < 各単体 MB16-43 達成 Ridge 回帰 (α=10) で重みを自動最適化
④ 主な結果 (d) 軌道局在化・可視化
  • GFN2-xTB → Pipek-Mezey LMO → Gaussian cube → py3Dmol (Jupyter)
  • 水分子: HOMO, HOMO-1, HOMO-2 フロンティア軌道を可視化
  • [Re₂Cl₈]²⁻: σ/π/δ 結合性 Re-Re 四重結合を LMO で直感的に確認
  • 3D プリント用 STL 出力にも対応（教育用途）
≥ 6.1.1
対応 ORCA バージョン（無償学術ライセンス）
⑤ パイプライン統合への示唆 (lib/fep + lib/docking)
DLPNO-CCSD(T) 訓練データ自動生成 (lib/docking)
QNCIdock (10.26434/chemrxiv.15001781) の cation-π 学習データ生成を OPI で完全自動化。Python ループで幾何変分 → バッチ ORCA 計算 → HDF5 保存。手動 ORCA 入力管理が不要に。
QM リスコアリングパイプライン (lib/docking)
UniDockRunner で生成したドッキングポーズに対し OPI で DLPNO-CCSD(T) 精度の cation-π エネルギーを計算。QM 精度リスコアリングのデータ更新・モデル再訓練を自動化。
FEP 補完 QM/MM (lib/fep)
DockFEP/MMGBSAEngine のスコアに加え、OPI で計算した高精度 DFT/DLPNO 補正を組み合わせた QM/MM ハイブリッド評価を検討可能
既存 gap
① Python から ORCA を直接制御するラッパーが未実装 ② DLPNO-CCSD(T) ML 訓練データ管理基盤（HDF5）がない ③ クラスタ実行対応なし（ローカルのみ）
⑥ コード・制限
  • GitHub: github.com/faccts/opi
  • PyPI: pip install orca-pi
  • Docs: faccts.de/docs#opi
  • ORCA: orca-slater.com (無償学術)
マルチノード HPC クラスタ実行は未対応
JSON 未収録プロパティはテキスト解析に依存（Grepper）
OPI v2.0 — Tetenberg et al. | J. Chem. Theory Comput. 2026 | DOI: 10.1021/acs.jctc.5c02141 | Category: computational_chemistry | lib/docking (cation-π 訓練データ生成) + lib/fep への統合候補