Zobrazeno 1 - 10
of 10
pro vyhledávání: '"Lin, Kunni"'
The supervised machine learning (ML) approach is applied to realize the trajectory-based nonadiabatic dynamics within the framework of the symmetrical quasi-classical dynamics method based on the Meyer-Miller mapping Hamiltonian (MM-SQC). After the c
Externí odkaz:
http://arxiv.org/abs/2207.05556
The machine learning approaches are applied in the dynamical simulation of open quantum systems. The long short-term memory recurrent neural network (LSTM-RNN) models are used to simulate the long-time quantum dynamics, which are built based on the k
Externí odkaz:
http://arxiv.org/abs/2205.03600
The ultrafast nonadiabatic internal conversion in azomethane is explored by the on-the-fly trajectory surface-hopping simulations of photoinduced dynamics and femtosecond transient absorption (TA) pump-probe (PP) spectra at three electronic-structure
Externí odkaz:
http://arxiv.org/abs/2110.14901
Publikováno v:
The Journal of Physical Chemistry Letters,2021
The recurrent neural network with the long short-term memory cell (LSTM-NN) is employed to simulate the long-time dynamics of open quantum system. The bootstrap method is applied in the LSTM-NN construction and prediction, which provides a Monte-Carl
Externí odkaz:
http://arxiv.org/abs/2108.01310
Publikováno v:
In Chemosphere October 2021 281
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Lin K; School of Chemistry, South China Normal University, Guangzhou510006, P. R. China.; MOE Key Laboratory of Environmental Theoretical Chemistry, South China Normal University, Guangzhou510006, P. R. China., Peng J; School of Chemistry, South China Normal University, Guangzhou510006, P. R. China.; MOE Key Laboratory of Environmental Theoretical Chemistry, South China Normal University, Guangzhou510006, P. R. China., Xu C; MOE Key Laboratory of Environmental Theoretical Chemistry, South China Normal University, Guangzhou510006, P. R. China.; SCNU Environmental Research Institute, Guangdong Provincial Key Laboratory of Chemical Pollution and Environmental Safety, School of Environment, South China Normal University, Guangzhou510006, P. R. China., Gu FL; MOE Key Laboratory of Environmental Theoretical Chemistry, South China Normal University, Guangzhou510006, P. R. China.; SCNU Environmental Research Institute, Guangdong Provincial Key Laboratory of Chemical Pollution and Environmental Safety, School of Environment, South China Normal University, Guangzhou510006, P. R. China., Lan Z; MOE Key Laboratory of Environmental Theoretical Chemistry, South China Normal University, Guangzhou510006, P. R. China.; SCNU Environmental Research Institute, Guangdong Provincial Key Laboratory of Chemical Pollution and Environmental Safety, School of Environment, South China Normal University, Guangzhou510006, P. R. China.
Publikováno v:
Journal of chemical theory and computation [J Chem Theory Comput] 2022 Oct 11; Vol. 18 (10), pp. 5837-5855. Date of Electronic Publication: 2022 Oct 02.