基于激发态运动方程耦合簇的神经网络透热势能矩阵：苯硫酚1πσ*态-介导的光解

本文用最近发展的神经网络拟合方法[Chin. J. Chem. Phys. 34,825 (2021)]构造了一个新的涉及苯硫酚¹πσ^*态-介导光解的¹ππ^*和¹πσ^*态耦合非绝热势能面. 势能面包含了解离过程中的三个关键振动模式,即S-H伸缩、弯曲和扭转振动. 由于单双激发态运动方程耦合簇方法具有简单、效率高、精度高的优点,采用激发态运动方程耦合簇方法计算了苯硫酚激发态¹ππ^*和¹πσ^*的绝热能量. 神经网络拟合绝热激发态S₁和S₂态的均方根误差分别为0.89和1.33 meV,表明神经网络方法具有很高的拟合精度. 在构建非绝热势能面的过程中,仅利用了体系绝热势能,避免了非常耗时的非绝热耦合计算,极大地提高了效率. 为了检测新的非绝热势能面的可靠性,本文进一步展开了苯硫酚光解非绝热动力学模拟. 动力学计算得到的S₁振电态0⁰和3¹的寿命与实验和之前的理论结果均吻合,验证了基于激发态运动方程耦合簇绝热能量构建的非绝热势能面的可靠精确性,并可进一步应用到实际大分子体系中.     

神经网络方法构建苯硫酚三维非绝热势能面

本文利用神经网络方法构建了苯硫酚三维的基态(S₀)绝热势能面以及激发态¹ππ^*和¹πσ^*耦合的非绝热势能面. 特别地，¹ππ^*和¹πσ^*非绝热势能面的透热化是通过神经网络拟合实现的，拟合仅基于其绝热势能，但对非绝热势能矩阵的非对角元施加了对称性的正确限制. 神经网络拟合的3个态的势能面的拟合均方根误差都非常小(<4 meV)，体现了神经网络方法的高精度. 在神经网络构建的势能面上计算得到了S₀态的低位能级和S₁ 态0⁰ 的寿命，结果均与早前非绝热势能面上的结果吻合，验证了神经网络方法构建的绝热和非绝热势能面的高精度和可靠性.