结合机器学习和光谱学建模反应性原子+二原子碰撞
摘要：气象再入大气中对于任意初始条件下具有反应性的原子+双原子碰撞的预测产物平动、振动和旋转能量分布具有相当的实用意义。由于可访问状态的数量庞大，从显式的（准经典或量子）动力学研究中确定所需的信息是不可行的。在本文中，基于基于Dunham展开式的光谱、转动振动耦合能量表达式的平动能量和产物振动态分配的机器学习（ML）模型进行了定量开发和测试。在本研究中考虑的所有模型均能够重现从准经典轨迹（QCT）模拟中确定的末态分布，相关系数R^2约为0.98。作为进一步验证，从机器学习模型中确定的热速率与显式QCT模拟中确定的速率一致，并且证明了机器学习保留了原子尺度的细节，使其适用于在更粗粒度模拟中的应用。更一般地，发现机器学习适用于从混合计算/实验数据设计出健壮而准确的模型，这在物理科学的其他领域也可能具有兴趣。
作者：Juan Carlos San Vicente Veliz, Julian Arnold, Raymond J. Bemish, Markus Meuwly
论文ID：2209.00379
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-06-23