机器学习轨迹研究非绝热极化子动力学

Daniela Mangano 等（维也纳大学、博洛尼亚大学等）在 arXiv 发布论文，提出结合机器学习辅助极化子动力学与非绝热分子动力学的模拟框架，在纳秒尺度的原子轨迹中研究小极化子跳跃如何影响激发态动力学。 作者称，此类研究需要机器学习分子动力学才能达到的空间与时间尺度；而标准从头算分子动力学所依据的玻恩-奥本海默近似无法描述由核运动介导的电子态间非绝热耦合，因此需将两方面结合。 该报道仅基于论文摘要，尚未核验全文，结果为模拟框架层面的工作。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。