神经网络构建非绝热势能面的新方法

Posted 2021-04-26 Catalysis

近日，大连化物所分子反应动力学国家重点实验室傅碧娜研究员、张东辉院士团队在化学反应的非绝热势能面构建中取得新进展，提出了一种新的神经网络方法用来构建包含锥形交叉的非绝热势能面。

 

在物理化学过程中，玻恩－奥本海默近似只有在所研究的电子态与其他电子态能量都足够分离的情况下才有效。而当电子态出现简并或者近简并时，玻恩－奥本海默近似失效。非绝热过程的动力学模拟原则上可以在绝热表象中进行，但当体系的电子态发生简并，例如锥形交叉时，电子态间的耦合会非常强烈，难以在绝热表象下直接用数学函数描述。因此，在非绝热表象下需要通过构建非绝热势能面来处理。此时，体系电子态间的耦合包含在非绝热势能面中，不需要被直接描述，且可大大简化薛定谔方程。

 

 

在本研究中，研究人员提出了一种高效且精确的神经网络方法，用来拟合构建具有锥形交叉的耦合势能面。这个方法从概念上简单清晰，在数值上仅仅依赖于神经网络函数，能被人们很直观地实现和应用。不同于以前的拟合方法，研究人员通过拟合修正的导数耦合项，能够精确地描述锥形交叉区域以及渐近区的导数耦合和能量，在全维全域上实现了精确的非绝热势能面矩阵的构建。此外，应用该方法至NH ₃ 的光解体系，计算得到的动力学结果可以很好的重现实验结果。该方法能够拓展到更复杂、多电子态的体系中，对非绝热动力学的发展具有意义。

 

相关研究成果发表在《 物理化学快报 》（The Journal of Physical Chemistry Letters）上。该工作得到了国家自然科学基金、国家科技部重点研发计划、中国科学院先导专项（B）“能源化学转化的本质与调控”的支持。（文/图　殷正茜、洪樱月）