环聚合物分子动力学与矩张量势的主动学习用于气相无势垒反应：以 S + H2 为例
化学物理
2020-01-08 v3
摘要
环聚合物分子动力学（RPMD）已被证明是计算各种化学反应热速率系数的准确方法。为了更广泛地应用该方法，需要高效生成底层全维势能面（PES）及相应能量梯度的途径。最近，我们提出了一种完全自动化的流程，基于将原始 RPMDrate 代码与利用矩张量势对 PES 进行主动学习（active learning）相结合以实现实时构建，并成功将其应用于两个代表性的热激活化学反应 [I. S. Novikov, Y. V. Suleimanov, A. V. Shapeev, Phys. Chem. Chem. Phys., 29503-29512 (2018)]。本工作中，以原型插入化学反应 S + H 为例，我们表明该流程对另一类化学反应同样适用。我们发现相应 PES 可通过拟合少于 1500 个自动生成的结构得到，而 RPMD 速率系数与参考值的偏差在 RPMDrate 的典型收敛误差范围内。我们注意到，与先前研究相反，在动态因子（重穿越因子）的实时传播过程中积累了更多结构。我们还观察到，在进入络合物形成势阱之前沿反应坐标的相对平坦的自由能剖面，可能导致对收敛较差的 PES 难以定位自由能面的最大值。然而，最终 RPMD 速率系数与分割面的位置无关，这使其不受该问题影响，并将所需结构总数保持在几千以内。我们的工作得出结论：未来所提方法可应用于具有各种能量剖面的现实复杂化学反应。
引用
@article{arxiv.1909.06244,
title = {Ring Polymer Molecular Dynamics and Active Learning of Moment Tensor Potential for Gas-Phase Barrierless Reactions: Application to S + H2},
author = {Ivan S. Novikov and Alexander V. Shapeev and Yury V. Suleimanov},
journal= {arXiv preprint arXiv:1909.06244},
year = {2020}
}