用于分子二聚体吸收光谱分析的高斯过程回归
量子物理
2022-05-04 v2 原子与分子团簇
摘要
一项常见任务是从光谱学测定系统参数，即把实验光谱与依赖于所求参数的计算光谱进行比较。本文讨论一种基于机器学习技术的方法，其中数值计算的参数由高斯过程回归（GPR）选取。该方法不仅快速收敛到最优参数集，还提供关于完整参数空间的信息，例如可识别数值光谱与实验光谱一致的扩展参数区域。我们以有机分子二聚体为例，旨在特别提取单体间的相互作用及其相互取向。我们发现 GPR 确实给出了可靠结果，且与用量子化学方法直接计算的这些参数相符。
引用
@article{arxiv.2112.07590,
title = {Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers},
author = {Farhad Taher-Ghahramani and Fulu Zheng and Alexander Eisfeld},
journal= {arXiv preprint arXiv:2112.07590},
year = {2022}
}