溶質-溶媒錯体の二次元赤外分光法：線形スケーリングDFTと機械学習によるアプローチ

科学分野:

• 計算化学; 分光法; 分子動力学

背景:

• 二次元赤外（2DIR）分光法は、超高速分子動力学、特に水素結合を明らかにします。溶質-溶媒相互作用の正確なシミュレーションは、2DIRスペクトルの解釈にとって重要です。ab initio分子動力学（AIMD）は厳密なシミュレーションを提供しますが、計算コストが高く、トラジェクトリ長が制限されます。

研究 の 目的:

• AIMDを用いた振動スペクトルのシミュレーションのための、計算効率が高くかつ精度の高い手法を開発すること。ナノ秒スケールでの分子動力学と水素結合の研究を可能にすること。スペクトルシミュレーションにおける経験的周波数マップの必要性を回避すること。

主な方法:

• 線形スケーリング密度汎関数理論（LS-DFT）と機械学習（ML）インターアトミックポテンシャル（DeepMD）を組み合わせたハイブリッドアプローチ。LS-DFTシミュレーションは、MLポテンシャルをトレーニングするための参照データ（エネルギー、力、双極子モーメント）を生成します。瞬間的な振動数は数値ヘッセ行列から計算され、双極子は電子密度から直接学習されます。

主要な成果:

• MLポテンシャルにより、純粋なAIMDと比較して計算コストが大幅に削減され、ナノ秒スケールの分子動力学が可能になります。メタノール中のN-メチルアセトアミドの線形および2DIRスペクトルをシミュレートした結果、実験データと優れた一致を示しました。アミドIバンドの特徴的な二重構造が正確に再現され、手法の精度が検証されました。

結論:

• 開発されたハイブリッドLS-DFT/MLフレームワークは、振動スペクトルのシミュレーションのための実用的かつ正確なルートを提供します。この手法は、さまざまなIR活性溶質および水素結合系に対するAIMDレベルのシミュレーションを容易にします。これにより、高忠実度で複雑な分子間相互作用とダイナミクスを研究する新たな可能性が開かれます。