量子反应动力学中逆散射问题的贝叶斯优化

我们提出一种基于贝叶斯优化的机器学习方法，利用量子散射计算的反馈为反应分子体系构建全局势能面（PES）。该方法旨在修正量子化学计算的不确定性，并产生在宽能量范围内精确复现反应概率的势。这些势能面是自动获得的，无需用解析函数对 {\it ab initio} 能量进行手动拟合。PES 由少量 {\it ab initio} 点通过迭代过程构建，该过程逐步采样构型空间中最相关的部分。以前人动力学结果为目标，我们证明此类反馈回路可为三维 H + H$_2$ $\rightarrow$ H$_2$ + H 反应以 30 个 {\it ab initio} 能量、为六维 OH + H$_2$ $\rightarrow$ H$_2$O + H 反应以 290 个 {\it ab initio} 能量生成精确的全局 PES。这些势能面分别来自 H$_3$ 的 360 次散射计算与 OH$_3$ 的 600 次散射计算。我们还引入一种无需 {\it a priori} 知晓动力学结果即可快速收敛到精确 PES 的方法。由构造方式，我们的方法阐明了量子反应散射计算全局 PES 非参数构建所需的最少势能点数（即最小信息量）。