• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利:CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验

使用变分高斯波包和高斯过程回归进行直接量子动力学。

Direct quantum dynamics using variational Gaussian wavepackets and Gaussian process regression.

机构信息

School of Chemistry, Cardiff University, Main Building, Park Place, Cardiff CF10 3AT, United Kingdom.

Department of Chemistry and Centre for Scientific Computing, University of Warwick, Coventry CV4 7AL, United Kingdom.

出版信息

J Chem Phys. 2019 Jan 28;150(4):041101. doi: 10.1063/1.5086358.

DOI:10.1063/1.5086358
PMID:30709252
Abstract

The method of direct variational quantum nuclear dynamics in a basis of Gaussian wavepackets, combined with the potential energy surfaces fitted on-the-fly using Gaussian process regression, is described together with its implementation. Enabling exact and efficient analytic evaluation of Hamiltonian matrix elements, this approach allows for black-box quantum dynamics of multidimensional anharmonic molecular systems. Example calculations of intra-molecular proton transfer on the electronic ground state of salicylaldimine are provided, and future algorithmic improvements as well as the potential for multiple-state non-adiabatic dynamics are discussed.

摘要

描述了一种基于高斯波包的直接变分量子核动力学方法,该方法结合了使用高斯过程回归实时拟合的势能面,并展示了其实现方法。该方法通过精确且高效的哈密顿矩阵元的解析评估,实现了多维非谐分子体系的黑盒量子动力学。提供了水杨醛亚胺电子基态上分子内质子转移的实例计算,并讨论了未来的算法改进以及多态非绝热动力学的潜力。

相似文献

1
Direct quantum dynamics using variational Gaussian wavepackets and Gaussian process regression.使用变分高斯波包和高斯过程回归进行直接量子动力学。
J Chem Phys. 2019 Jan 28;150(4):041101. doi: 10.1063/1.5086358.
2
A novel algorithm for non-adiabatic direct dynamics using variational Gaussian wavepackets.一种使用变分高斯波包的非绝热直接动力学新算法。
Faraday Discuss. 2004;127:307-23. doi: 10.1039/b314253a.
3
MCTDH on-the-fly: Efficient grid-based quantum dynamics without pre-computed potential energy surfaces.MCTDH 实时计算:无需预先计算势能面的高效基于网格的量子动力学。
J Chem Phys. 2018 Apr 7;148(13):134116. doi: 10.1063/1.5024869.
4
Direct quantum dynamics using variational multi-configuration Gaussian wavepackets. Implementation details and test case.使用变分多组态高斯波包的直接量子动力学。实现细节与测试案例。
Phys Chem Chem Phys. 2007 Jul 7;9(25):3210-27. doi: 10.1039/b700297a. Epub 2007 May 4.
5
A Practical Diabatisation Scheme for Use with the Direct-Dynamics Variational Multi-Configuration Gaussian Method.一种与直接动力学变分多组态高斯方法配合使用的实用 diabtisation 方案。
J Phys Chem A. 2015 Dec 17;119(50):12457-70. doi: 10.1021/acs.jpca.5b07921. Epub 2015 Oct 9.
6
Towards converging non-adiabatic direct dynamics calculations using frozen-width variational gaussian product basis functions.采用冻结宽度变分高斯积基函数实现非绝热直接动力学计算的收敛。
J Chem Phys. 2012 Dec 14;137(22):22A548. doi: 10.1063/1.4765087.
7
Pseudospectral Gaussian quantum dynamics: Efficient sampling of potential energy surfaces.伪谱高斯量子动力学:势能面的高效采样
J Chem Phys. 2016 Apr 28;144(16):164108. doi: 10.1063/1.4946807.
8
Direct Quantum Dynamics Using Grid-Based Wave Function Propagation and Machine-Learned Potential Energy Surfaces.基于网格的波函数传播和机器学习势能面的直接量子动力学
J Chem Theory Comput. 2017 Sep 12;13(9):4012-4024. doi: 10.1021/acs.jctc.7b00507. Epub 2017 Aug 1.
9
Variational nonadiabatic dynamics in the moving crude adiabatic representation: Further merging of nuclear dynamics and electronic structure.变分非绝热动力学在移动的粗糙绝热表象中:核动力学和电子结构的进一步融合。
J Chem Phys. 2018 Mar 21;148(11):114102. doi: 10.1063/1.5020655.
10
A complete description of tunnelling using direct quantum dynamics simulation: Salicylaldimine proton transfer.使用直接量子动力学模拟对隧穿的完整描述:水杨醛亚胺质子转移
J Chem Phys. 2015 Aug 28;143(8):084121. doi: 10.1063/1.4929478.

引用本文的文献

1
Molecular excited states through a machine learning lens.机器学习视角下的分子激发态
Nat Rev Chem. 2021 Jun;5(6):388-405. doi: 10.1038/s41570-021-00278-1. Epub 2021 May 20.
2
Finite-Temperature, Anharmonicity, and Duschinsky Effects on the Two-Dimensional Electronic Spectra from Ab Initio Thermo-Field Gaussian Wavepacket Dynamics.基于从头算热场高斯波包动力学研究有限温度、非简谐性及杜施金斯基效应在二维电子光谱中的作用
J Phys Chem Lett. 2021 Mar 25;12(11):2997-3005. doi: 10.1021/acs.jpclett.1c00123. Epub 2021 Mar 18.
3
Machine Learning for Electronically Excited States of Molecules.
机器学习在分子激发态中的应用。
Chem Rev. 2021 Aug 25;121(16):9873-9926. doi: 10.1021/acs.chemrev.0c00749. Epub 2020 Nov 19.
4
Combining SchNet and SHARC: The SchNarc Machine Learning Approach for Excited-State Dynamics.结合SchNet和SHARC:用于激发态动力学的SchNarc机器学习方法。
J Phys Chem Lett. 2020 May 21;11(10):3828-3834. doi: 10.1021/acs.jpclett.0c00527. Epub 2020 May 1.