机器学习优化非卡沙行为和瞬态动力学在视网膜异构化模型中的优化
Davinder Singh1, Chern Chuang2, Paul Brumer1
1Center for Quantum Information and Quantum Control and Chemical Physics Theory Group, Department of Chemistry, University of Toronto, Toronto, Ontario M5S 3H6, Canada.
The journal of physical chemistry letters
|December 16, 2024
概括
这项研究利用贝叶斯优化优化了在罗多素中对视网膜光异构的最小两态两模式模型. 这种精细的模型准确地预测了实验性的光谱和动态,进步了我们对视觉启动的理解.
科学领域:
- 摄影化学的使用
- 分子生物物理学 分子生物物理学
- 视觉科学 视觉科学 视觉科学
背景情况:
- 了解视觉的初始步骤,特别是罗多素中的视网膜异体化,至关重要.
- 现有的模型在准确地表示瞬态和静态实验数据方面面临挑战.
研究的目的:
- 改进一个最小的两个状态的两个模式 (TM) 模型用于 rhodopsin 中的视网膜光异构化.
- 为了在不同的时间尺度和状态中与实验可观测物达成极佳一致.
主要方法:
- 采用多目标贝叶斯优化来改进TM模型参数.
- 在TM模型中调整了潜在能量表面.
主要成果:
- 优化的TM模型准确地预测了取决于激发波长的光光谱.
- 该模型成功地捕捉了在非平衡稳定状态下实验观察到的非Kasha行为.
- 时间领域的差异显著减少.
结论:
- 精细的TM模型提供了在罗多素中视网膜光异构化的优秀描述.
- 这项工作推进了与视觉相关的光化学过程的计算建模.


