機(jī)器學(xué)習(xí)由于其巨大的應(yīng)用前景已經(jīng)得到各個行業(yè)的高度關(guān)注, 已經(jīng)滲透到了人們生活的方方面面。該方法在化學(xué)領(lǐng)域也取得了重要的發(fā)展,被用于指導(dǎo)有機(jī)合成、搜尋功能材料、發(fā)展理論方法等,其中利用大數(shù)據(jù)“學(xué)習(xí)”化學(xué)、生物和材料體系的勢能面信息來進(jìn)行多尺度的分子動力學(xué)模擬是目前的研究熱點(diǎn)之一。前期的理論工作主要集中于“訓(xùn)練”單一勢能面并用于絕熱動力學(xué)模擬,而對多態(tài)耦合的勢能面及其在非絕熱動力學(xué)中的研究則少有報(bào)道,特別是針對勢能面交叉區(qū)域的復(fù)雜勢能面的機(jī)器學(xué)習(xí)未見報(bào)道。
最近,化學(xué)學(xué)院崔剛龍老師利用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法首次精確重現(xiàn)了多原子分子體系基態(tài)和激發(fā)態(tài)的勢能面及其交叉區(qū)域的拓?fù)浣Y(jié)構(gòu),并利用所得到的多態(tài)勢能面進(jìn)行了非絕熱動力學(xué)模擬。基于深度學(xué)習(xí)的非絕熱動力學(xué)模擬在降低計(jì)算量的同時,給出了和從頭算級別非絕熱動力學(xué)模擬近乎一樣的動力學(xué)結(jié)果。結(jié)果表明深度學(xué)習(xí)方法可以足夠準(zhǔn)確地重復(fù)復(fù)雜的多態(tài)勢能面的拓?fù)浣Y(jié)構(gòu),可用于研究復(fù)雜的光物理和光化學(xué)反應(yīng)動力學(xué)的研究。
相關(guān)成果近期發(fā)表于《The Journal of Physical Chemistry Letters》:Deep Learning for Nonadiabatic Excited-State Dynamics(DOI: 10.1021/acs.jpclett.8b03026)。北京師范大學(xué)化學(xué)學(xué)院為第一單位、陳文愷博士研究生為該工作的第一作者。該工作得到國家自然科學(xué)優(yōu)秀青年基金資助和中央高?;究蒲谢鹳Y助。
版權(quán)與免責(zé)聲明:本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享,并不意味著贊同其觀點(diǎn)或證實(shí)其真實(shí)性,也不構(gòu)成其他建議。僅提供交流平臺,不為其版權(quán)負(fù)責(zé)。如涉及侵權(quán),請聯(lián)系我們及時修改或刪除。郵箱:sales@allpeptide.com