Surface Hoppingのための柔軟なフレームワーク:機械学習のためのハイブリッドスキームからベンチマーク可能な非アディアバティックダイナミクスまで

科学分野:

• コンピューティング・ケミストリー
• 量子ダイナミクスは,量子力学である.
• フォトケミストリー フォトケミストリー

背景:

• 非アディアバティック分子ダイナミクス (NAMD) は,光化学および光物理学的プロセスを理解するために重要である.
• 表面ホッピングスキームは,量子化学と機械学習と統合可能な,広く使用されているNAMD方法です.
• 既存の方法には,効率的で柔軟なコンピューティングフレームワークが必要です.

研究 の 目的:

• MLatomパッケージでNAMDのための柔軟な枠組みを提示する.
• タリーの最少スイッチの表面ホッピングアルゴリズムとその時間依存のベック・アン変数を実装する.
• フレームワークの有用性を,代表的な例と分析ツールを通じて実証する.

主な方法:

• タリーの最小スイッチの表面ホッピングと,その時間依存のベック-アン変数をMLatom内で実装.
• エネルギー,グラデーション,非アディアバティック結合のためのユーザー定義のカスタムモデルを使用します.
• ランドー・ゼナーや時間依存のベック・アンを含む,曲線を駆動する表面ジャンプスキームの比較.

主要な成果:

• 柔軟なユーザー定義モデルによる計算時間の節約が実証されています.
• 機械学習モデルをベンチマークするためのカスタムモデルの有用性を示しました.
• ランдау-ゼナーアプローチは,時間依存の Baeck-An 計画よりも優れたパフォーマンスを示しました.

結論:

• MLatomのフレームワークは,NAMDのための機械学習モデルの加速開発を促進します.
• このフレームワークは,非アディアバティックなダイナミクスに対するより深い洞察を提供します.
• オープンソースのMLatomパッケージは,NAMDの研究のための包括的なツールを提供します.