.png){kind=icon}
返回
Enhancing Vibronic-Coupling Hamiltonian Parameterization with Machine Learning: The PyVCHAM Tool
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jctc.6c00058.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
非绝热效应对分子系统的光物理和光化学起着关键作用，但将其高效地纳入量子分子动力学模拟中仍然具有挑战性，这源于需要在相关电子态的能层中构建精确的分子哈密顿量表示。本文介绍了PyVCHAM库，该库基于成熟的multimode vibronic-coupling框架构建，并通过现代机器学习技术进行参数优化。该代码与电子结构包接口以生成势能面，从而实现对绝热哈密顿量的参数化，用于量子动力学计算。通过优化专用损失函数、利用自动微分计算参数空间中的解析梯度以及采用广泛的优化算法，核心引擎在准确度、灵活性和效率方面相较于现有实现得到了显著提升。PyVCHAM库引入了基于JSON数据格式的标准化格式来存储vibronic-coupling哈密顿量。它还引入了将任意数量的现有vibronic哈密顿量组合成相互作用超系统或聚集体的能力，其中组分通过偶极-偶极相互作用耦合。多个说明性示例突出了该程序处理先前难以处理的复杂、高维分子系统的能力。
Keyword:
Hamiltonians
Molecular dynamics
Molecules
Optimization
Potential energy
期刊
IF:
5.5
论文数:
1.1W
被引数:
5.4W
机构
引用论文
Gaussian basis sets for use in correlated molecular calculations. I. The atoms boron through neon and hydrogen用于相关分子计算的高斯基集。一。原子硼通过氖和氢
PREAI
分享收藏A fully dynamical description of time-resolved resonant inelastic X-ray scattering of pyrazine吡啶的时间分辨共振非弹性X射线散射的完全动力学描述
OAAI
OAAI分享收藏An efficient method for finding the minimum of a function of several variables without calculating derivatives无需计算导数即可找到多个变量函数最小值的有效方法
PREAI
分享收藏Decoherence and revival in attosecond charge migration driven by non-adiabatic dynamics.png)
NATURE PHYSICS
OAAI
NATURE PHYSICSIF18.4
OAAI分享收藏Universal Gaussian basis sets for an optimum representation of Rydberg and continuum wavefunctions
PREAI
分享收藏
查看更多内容