利用机器学习加速的非平衡分子动力学探测液态水对 THz 泵脉冲的时序响应
化学物理
2025-09-01 v1
摘要
ultrafast, time-resolved 光谱学直接观察浓缩相系统中的非平衡过程，揭示了能量传输、氢键动力学和振动耦合的关键见解。虽然 ab initio 分子动力学（AIMD）提供了准确的原子分辨率，但对于需要大量独立轨迹以捕捉激发和弛豫随机性的非平衡过程而言，计算成本昂贵。为此，我们实现了一个集成时变电场的机器学习势能，采用扰动方式，保留 AIMD 级别的准确性。使用该方法，我们模拟了液态水对 12.3 THz 高斯泵脉冲（1.3 ps 宽度）的时序响应，生成了总计 32 ns 的轨迹数据。凭借对 ab initio 质量电子结构的访问，我们在脉冲作用前、中、后计算吸收系数和频率依赖的折射率。仿真再现了关键实验可观测量，包括瞬态双折射和弛豫时间。我们观察到从激发的 librational 模态能量传递到平移和分子内振动，伴随氢键网络的瞬态非线性响应，以及 0.7 ps librational 能量耗散的特征时间尺度。这些发现表明该方法能够捕捉本质非平衡动力学，建立了用于研究复杂分子系统中场驱动过程的广泛适用框架。
引用
@article{arxiv.2505.09442,
title = {Probing the Temporal Response of Liquid Water to a THz Pump Pulse Using Machine Learning-Accelerated Non-Equilibrium Molecular Dynamics},
author = {Kit Joll and Philipp Schienbein},
journal= {arXiv preprint arXiv:2505.09442},
year = {2025}
}