基于机器学习的电中性多环芳烃红外光谱
化学物理
2021-05-18 v1 机器学习
计算物理
摘要
对多环芳烃（PAHs）的关注跨越众多领域，而红外光谱通常是解析其分子结构的方法首选。为了计算振动频率，大量理论研究要么采用量子计算方法，要么采用经验势，但将第一种方法的精度与第二种方法的计算成本相结合仍然困难。在这项工作中，我们采用机器学习技术，基于人工神经网络（ANN）架构开发了势能面与偶极映射。总体而言，虽然在仅以11个小PAH分子训练的情况下，所获得的ANN能够复现这些小分子的红外光谱，但更重要的是能够复现不同于训练集的8个大PAH的红外光谱，从而证明了我们方法的迁移性。
引用
@article{arxiv.2010.13686,
title = {Infrared spectra of neutral polycyclic aromatic hydrocarbons by machine learning},
author = {Gaétan Laurens and Malalatiana Rabary and Julien Lam and Daniel Peláez and Abdul-Rahman Allouche},
journal= {arXiv preprint arXiv:2010.13686},
year = {2021}
}
备注
13 pages, 6 figures