| 结合机器学习算法提高从头算方法对HF/HBr/H35Cl/Na35Cl振动能谱的预测性能 |
| |
| 引用本文： | 杨章章,刘丽,万致涛,付佳,樊群超,谢锋,张燚,马杰.结合机器学习算法提高从头算方法对HF/HBr/H35Cl/Na35Cl振动能谱的预测性能[J].物理学报,2023(7):178-186. |
| |
| 作者姓名： | 杨章章 刘丽 万致涛 付佳 樊群超 谢锋 张燚 马杰 |
| |
| 作者单位： | 1. 西华大学理学院高性能科学计算四川省高校重点实验室;2. 清华大学核能与新能源技术研究院、先进核能技术协同创新中心、先进反应堆工程与安全教育部重点实验室;3. 国防科技大学前沿交叉学科学院;4. 山西大学物理与电子工程学院量子光学与量子光学器件国家重点实验室 |
| |
| 基金项目： | 国家自然科学基金(批准号:11904295)；;四川省科学技术计划(批准号:2021ZYD0050)； |
| |
| 摘 要： | 高精度振动能谱蕴含着分子体系的大量量子特征,是人们认识和操控分子的重要基础数据.目前,从头算方法在计算分子的振动能谱方面取得了大量成果,但是仍然面临着精度和计算量上的挑战.本文提出了一种综合从头算方法与机器学习算法进行能谱预测的新方法,在提高振动能级精度的同时大幅降低了计算量.针对HF、HBr、H35Cl和Na35Cl等卤素分子的研究结果表明,相较于单独的CCSD(T)/cc-pV5Z计算方法,新方法将误差减少了50%以上,同时将计算量降低了一个数量级.
|
| 关 键 词： | 振动能谱 从头算 机器学习 卤素分子 |
|
| 点击此处可从《物理学报》浏览原始摘要信息 |
| 点击此处可从《物理学报》下载免费的PDF全文 |
|
