极声化学的机器学习:获取化学动力学
Christian Schäfer1,2, Jakub Fojt1, Eric Lindgren1
1Department of Physics, Chalmers University of Technology, 412 96, Göteborg, Sweden.
机器学习模型加速化学光物相互作用的模拟. 这种方法准确地预测了反应动力学,揭示了动态电子极化在极子化学中的重要性.
科学领域:
- 化学学
- 物理
- 材料科学
背景情况:
- 在狭窄的光学环境中理解微观机制是具有挑战性的.
- 预测具有强烈光物质相互作用的分子动力学是复杂的.
研究的目的:
- 开发一个用于模拟极子化学的机器学习 (ML) 框架.
- 研究强对反应动力学,和的影响.
主要方法:
- 机器学习模型与密度函数理论和分子动力学相结合.
- 将框架应用于1-phenyl-2-trimethylsilylacetylene的脱保护反应.
主要成果:
- 与实验观察结果达成定性一致,特别是在动力学方面.
- 与之前的理论预测存在差异,突出了动态电子极化.
结论:
- 证明了ML在极子化学中的实用性.
- 讨论了当前近似的局限性,并提出了更全面的方法.
更多相关视频
10:54Dissolution Dynamic Nuclear Polarization Instrumentation for Real-time Enzymatic Reaction Rate Measurements by NMR
Published on: February 23, 2016
14:18Automation of Mode Locking in a Nonlinear Polarization Rotation Fiber Laser through Output Polarization Measurements
Published on: February 28, 2016
相关概念视频
Measuring Reaction Rates
Voltammetric Techniques: Linear-Scan (E vs Time)
Potential Due to a Polarized Object
Predicting Reaction Outcomes
Controlled-Potential Coulometry: Electrolytic Methods
The chosen potential...
Photochemical Electrocyclic Reactions: Stereochemistry
Selection Rules: Photochemical Activation
