用于预测量子分子动力学控制景观图的机器学习：非对称陀螺分子的激光诱导三维取向
化学物理
2024-12-03 v1 量子物理
摘要
本文通过激光诱导非对称陀螺分子三维（3D）取向的案例研究，考察了用于预测全量子分子动力学控制景观图的机器学习方法。三维取向是在分子固定坐标系中观察和/或操控分子动力学的一项关键技术。我们考虑了在低温极限情况下具有不对称参数 和 C2v 对称性的“长陀螺型”非对称陀螺分子，这些分子通过相互正交的线偏振双激光脉冲进行取向。每个分子的景观图由 6000 个像素组成，每个像素代表由每组控制参数所实现的最大取向度。在研究了如何以统一方式处理显著不同的分子参数以适当地训练卷积神经网络（CNN）模型后，我们使用 55 个训练样本分子训练了 CNN 模型，并以相当高的准确率预测了 35 个测试样本分子的控制景观图。由于预测的景观图提供了取向控制的全局图景，例如，我们展示了双脉冲控制方案对于具有一个远大于另外两个分量的极化率分量的分子尤为有效。
引用
@article{arxiv.2408.17089,
title = {Machine learning for predicting control landscape maps of quantum molecular dynamics: Laser-induced three-dimensional alignment of asymmetric top molecules},
author = {Tomotaro Namba and Yukiyoshi Ohtsuki},
journal= {arXiv preprint arXiv:2408.17089},
year = {2024}
}
备注
33 pages, 6 figures, 2 tables