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
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.
振动能谱、从头算、机器学习、卤素分子
72
TP301.6;O561;O641
国家自然科学基金;四川省科技计划;极端光学协同创新中心开放研究基金项目;资助的课题
2023-04-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
172-180