机器学习催化表面反应的量子通量-通量关联函数
化学物理
2022-06-07 v1 计算物理
摘要
针对有机非均相催化表面反应，构建了一组完整的量子通量-通量关联函数与反应速率常数的数据集。高斯过程回归器被成功拟合到训练数据上，以预测此前未见的测试集反应速率常数乘积以及通量-通量关联函数的柯西拟合。最优回归器预测的平均绝对百分比误差在测试集反应速率常数乘积上约为 0.5%，在测试集通量-通量关联函数上约为 1.0%。高斯过程回归器在预测新温度下的动力学以及未见反应的活性时均准确，并且相对于计算代价高昂的通量-通量关联函数时间传播提供了显著的加速。
引用
@article{arxiv.2206.01845,
title = {Machine learning the quantum flux-flux correlation function for catalytic surface reactions},
author = {Brenden G. Pelkie and Stephanie Valleau},
journal= {arXiv preprint arXiv:2206.01845},
year = {2022}
}