基于长短期记忆网络的最少开关面跳跃方法
化学物理
2022-11-08 v2
摘要
混合量子-经典动力学模拟对于研究光物理与光化学中的非绝热现象至关重要。近年来，许多机器学习模型被开发出来以加速核子系统的时演。在此，我们实现长短期记忆（LSTM）网络作为传播子，以加速最少开关面跳跃（FSSH）模拟中电子子系统的时演。使用原始 FSSH 方法生成少量参考轨迹，随后可构建 LSTM 网络，并仔细考察采用与相应参考相同初始条件和随机数的典型 LSTM-FSSH 轨迹。所构建的网络被应用于 FSSH 以进一步产生轨迹系综，从而揭示非绝热过程的机制。以 Tully 三个模型作为测试系统，集体结果在定性上可被复现。本工作表明 LSTM 适用于最流行的面跳跃模拟。
引用
@article{arxiv.2206.13780,
title = {Fewest-Switches Surface Hopping with Long Short-Term Memory Networks},
author = {Diandong Tang and Luyang Jia and Lin Shen and Wei-Hai Fang},
journal= {arXiv preprint arXiv:2206.13780},
year = {2022}
}
备注
32 pages, 7 figures in Article; 28 pages, 20 figures, 5 tables in SI