Quantitative modeling of complex molecular response in coherent cavity-enhanced dual-comb spectroscopy
我们提出了一个复值电场模型,用于实验观察到的相干腔增强(CE)复用光谱(即,双梳光谱,DCS)。CE-DCS的传输模型不同于先前针对傅里叶变换CE直接频率梳状光谱导出的传输模型[Foltynowicz等人,B 110,163-175(2013)],在CE-DCS的情况下,不与增强腔相互作用。通过测量CO和CO $_2$的复值近红外光谱进行验证,该光谱是由电光频率梳相干耦合到精细度$F=19600$的增强腔。验证后,我们测量了$30012\leftarrow00001$ $^{12}$ C $^{16}$ O $_2$振动带原点,合并标准不确定度为770 kHz($4\times10^{-9}$的分数不确定度)。
2018-05-08 physics.chem-ph physics.ins-det physics.optics
Molecular Dynamics Simulations of the O2- Ion Mobility in Dense Neon Gas
本文报道了负氧离子在超临界状态下在高密度氖气中漂移迁移率的分子动力学模拟结果。模拟相对较好地再现了实验数据的趋势。的合理化的迁移率行为作为气体密度的函数给出在第一溶剂化壳层周围的离子相关的原子数。
2017-02-17 physics.chem-ph
Towards Exact Molecular Dynamics Simulations with Machine-Learned Force Fields
采用经典力场的分子动力学(MD)模拟构成了化学、生物学和材料科学中当代原子建模的基石。然而,这些模拟的预测能力仅与潜在的原子间势一样好。经典势常常不能忠实地捕捉分子和材料中的关键量子效应。在这里,我们通过将空间和时间物理对称性以自动数据驱动的方式纳入梯度域机器学习(sGDML)模型,从高级从头计算中直接构建灵活的分子力场。所开发的sGDML方法忠实地再现了量子化学CCSD(T)级精度的全局力场,并允许使用完全量子化的电子和原子核进行收敛的分子动力学模拟。我们目前的MD模拟,灵活的分子多达几十个原子,并提供这些分子的动力学行为的见解。我们的方法提供了实现分子模拟光谱精度的关键缺失成分。
2018-09-25 physics.chem-ph
Unraveling multi-state molecular dynamics in single-molecule FRET experiments -- Part II: Quantitative analysis of multi-state kinetic networks
单分子福斯特共振能量转移(smFRET)非常适合解析生物分子的动力学。迄今为止的一个重大挑战是捕获和量化多个构象状态之间的交换,主要是当这些动态发生在亚毫秒的时间尺度上时。如果涉及两个以上的状态,许多定量分析的方法受到挑战,并且在动力学网络中的状态数的适当选择是困难的。如果动态活性分子与处于类似构象状态的静态分子共存,则会出现额外的复杂性。为了解决这些问题,我们开发了一个综合分析框架,结合了FRET线,时间相关单光子计数和荧光相关光谱的信息。虽然单独地,这些方法提供了模糊的结果,定量表征复杂的动力学网络中的动态,全局分析,能够准确地确定状态的数量,它们的动力学连接,和过渡速率常数。为了挑战smFRET研究多态动力学网络的潜力,我们使用具有不同动力学连接性和相互转化率的三态系统的合成数据对框架进行基准测试。
2021-07-30 physics.bio-ph physics.chem-ph physics.data-an
Performing Path Integral Molecular Dynamics Using Artificial Intelligence Enhanced Molecular Simulation Framework
本研究利用人工智能增强的分子模拟框架,集成机器学习力场,实现高效路径积分分子动力学模拟,在保持量子力学精度的同时,以较低成本捕获复杂分子系统的核量子效应。
2025-03-31 physics.chem-ph physics.comp-ph
Joule-Thomson inversion curves of mixtures by molecular simulation in comparison to advanced equations of state: natural gas as an example
分子建模和模拟以及四个状态方程(EOS)适用于天然气混合物的焦耳-汤姆逊(JT)反演。用分子模拟方法测定了甲烷、氮气、二氧化碳和乙烷等六种天然气混合物的JT反转曲线。这些组分也被视为纯流体,导致总共十个研究系统。将计算结果与四种先进的混合物状态方程:DDMIX、SUPERTRAPP、COMBONE和最近的GERG-2004宽范围参考状态方程进行了比较。结果表明,分子模拟在预测JT反转曲线方面与最新的状态方程具有竞争力。基于分子的方法(模拟和METHONE)优于DDMIX和SUERTRAPP。
2009-04-23 physics.chem-ph physics.comp-ph
Bridging molecular dynamics and correlated wave-function methods for accurate finite-temperature properties
我们介绍了“selPT”微扰的方法,从头算分子动力学(AIMD)的基础上,计算精确的有限温度性能,有效地使用相关的波函数方法。我们用无规相近似计算了300 K时CH $_4$和CO $_2$在沸石上的典型吸附分子谱,证明了该方法的有效性.计算结果与实验结果吻合较好。selPT提供的更高精度代表了在有限温度下实现实验观测值的真正定量AIMD预测目标的关键一步。
2019-04-11 cond-mat.mtrl-sci physics.chem-ph
Excited-state molecular dynamics simulation based on variational quantum algorithms
我们提出了一种基于变分量子算法的激发态分子动力学模拟方法,其计算成本与基态模拟相当。我们利用了在限制变分量子本征求解器计算中激发态可以作为亚稳态得到的特点,采用了一种硬件高效的计算器。为了证明该方法的有效性,对H2和CH2NH分子的S1激发态进行了分子动力学模拟。计算结果与S1态的精确绝热模拟结果一致,但CH2NH体系在通过圆锥交叉点后出现了非绝热跃迁.
2022-11-04 physics.chem-ph quant-ph
Molecular simulation from modern statistics: Continuous-time, continuous-space, exact
本文提出一种基于现代统计学的分子模拟新范式,实现连续时间、连续空间且严格精确的模拟,避免了传统方法中的离散化、近似和截断问题,并在高精度下达到与传统方法的盈亏平衡点。
2023-07-07 physics.chem-ph physics.comp-ph
First principles molecular dynamics simulation of a task-specific ionic liquid based on silver-olefin complex: atomistic insight into separation process
应期刊编辑的要求,作者撤回了这篇手稿。很抱歉给您带来的不便。
2008-05-30 physics.chem-ph physics.comp-ph
Molecular Dynamics Simulation of Methanol-Water Mixture
在这项研究中,一些性质的甲醇-水混合物,如扩散系数,密度,粘度,和氢键在不同的温度和大气压下使用分子动力学模拟(MDS)计算。结果与现有的实验数据以及一些理论模型进行了比较,总体上表明了良好的协议。这表明MDS在物理性质测定中的有用和有效的应用。
2017-08-07 physics.atm-clus physics.chem-ph
Molecular simulation study of the heat capacity of metastable water between 100K and 300K
100 ~ 300 K亚稳水热容的分子模拟研究采用分子模拟方法研究了低温下亚稳液态水在光滑表面上的吸附热容。这些计算的目的是在模拟水的性质进行实验测定吸附在Vycor纳米多孔二氧化硅在低温下的水膜。特别是,该研究集中在100和300 K之间的热容的非单调变化。
2019-04-26 cond-mat.soft physics.chem-ph
Local and Global Expansivity in Water
本研究结合红外光谱与分子动力学模拟提取液态水宽温区分子间氢键长度,发现其膨胀性与氧原子平均最近邻距离膨胀性差异显著,用无规松散堆积模型关联二者,证实了此前的红外推导方法并开辟了超分子结构研究新方向。
2024-02-18 cond-mat.soft physics.chem-ph physics.comp-ph
Temperature-Dependent Lifetimes of Low-Frequency Adsorbate Modes from Non-Equilibrium Molecular Dynamics Simulations
本文计算了金属表面低频吸附态的阻尼,即Na在Cu(100)上的受抑平移。对于第一次,激发吸附层的振动寿命提取非平衡分子动力学计算占声子和电子耗散通道。这两个阻尼机制,我们证明是添加剂的相对贡献,被发现不同意教科书的预测。一个简单的模型的基础上可分离的谐波和非谐波的贡献是能够半定量地重现计算寿命的温度依赖性。
2019-06-27 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Wave Packet Simulations of Antiproton Scattering on Molecular Hydrogen
用波包动力学方法研究了反质子在氢分子上的散射问题。本文给出了反质子H2系统的电子势能面。在低于10 eV的超低能量制度的碰撞能量的分子氢的激发和解离概率计算。
2015-07-30 physics.atom-ph physics.chem-ph quant-ph
Generating High-Precision Force Fields for Molecular Dynamics Simulations to Study Chemical Reaction Mechanisms using Molecular Configuration Transformer
Peking University(北京大学);Shenzhen Bay Laboratory(深圳湾实验室);Changping Laboratory(昌平实验室)
针对传统化学反应机理研究依赖经验、高精度模拟计算成本高的问题,提出基于分子构型Transformer训练高精度力场的方案,可低成本实现高精度反应模拟,已应用于两类有机反应研究。
2024-04-11 cond-mat.soft cs.AI physics.chem-ph
Artificial Intelligence Assists Discovery of Reaction Coordinates and Mechanisms from Molecular Dynamics Simulations
Exascale计算为分子动力学(MD)模拟提供了巨大的机会。然而,为了充分利用新的可能性,我们必须学会如何将计算能力集中在发现复杂的分子机制上,以及如何从大量数据中提取它们。这两个方面仍然严重依赖于人类专家,当大量的并行模拟必须被编排以充分利用可用的计算能力时,这成为一个严重的瓶颈。在这里,我们使用人工智能(AI)来指导采样并提取相关的机械信息。我们将先进的采样方案与统计推断、人工神经网络和深度学习相结合,从MD模拟中发现分子机制。我们的框架自适应和自主的模拟和学习采样机制,因此适合于大规模并行计算架构。我们提出了实用的解决方案,使神经网络的可解释性,如在分子系统的应用。
2019-01-14 cond-mat.stat-mech physics.chem-ph physics.comp-ph
Machine learning for molecular simulation
Rice University(莱斯大学);University of Luxembourg(卢森堡大学);Technical University Berlin(柏林工业大学);Korea University(高丽大学)
机器学习(ML)正在改变所有科学领域。分子模拟中复杂而耗时的计算特别适合机器学习革命,并且已经受到现有ML方法应用的深刻影响。在这里,我们回顾了最近的ML方法的分子模拟,特别关注(深)神经网络的量子机械能和力的预测,粗粒度的分子动力学,提取自由能表面和动力学和生成网络的方法来采样分子平衡结构和计算热力学。为了解释这些方法并说明开放的方法问题,我们回顾了分子物理学的一些重要原理,并描述了如何将它们纳入机器学习结构。最后,我们确定并描述了ML和分子模拟之间的接口的开放挑战列表。
2019-11-07 cs.LG physics.chem-ph physics.comp-ph
The Computation of Local Stress in ab initio Molecular Simulations
The Pennsylvania State University(宾夕法尼亚州立大学)
本文研究了在量子力学描述下确定力时局部应力的定义,提出了两种从头计算模型(Born-Oppenheimer和Ehrenfest动力学)以及紧束缚和实空间方法的近似公式,并通过与全从头计算分子模拟的比较验证了这些公式。
2018-12-14 cs.NA math.NA physics.chem-ph
The molecular nature of superfluidity: Viscosity of helium from quantum stochastic molecular dynamics simulations over real trajectories
本研究通过对Lennard-Jones氦-4开展量子随机分子动力学模拟,发现量子液体粘度显著低于经典液体(最低温下约低5倍),并明确玻色-爱因斯坦凝聚是超流性的分子机制,为量子力学解释提供了启示。
2025-02-14 cond-mat.quant-gas cond-mat.stat-mech physics.chem-ph