论文部分内容阅读
分子反应动力学可以在原子、分子水平上理解基元化学反应的过程和微观机制,势能面是动力学研究的前提,基于高精度势能面,可以精确地计算反应微分截面、微分截面、产物能量分配、产物振动态分布、反应热速率常数等动力学结果。在过去的几十年中,基于神经网络(NN)方法已经拟合出许多高维势能面(PES),使得精确的动力学计算得以实现,但是该方法存在一定的随机误差和过度拟合的风险,对动力学结果有一定的影响,尤其是在长程相互作用比较强的区域。本文主要基于NN拟合方法提出了结合能量和部分能量导数共同逼近能量解析函数的 NN-CPDA(Neural Network-Combined with Partial Derivative Approximation)拟合方法,该方法可以更精确地再现从头算能量和能量导数,对动力学模拟具有重要意义。并在实际体系中对该方法进行了验证,包括H2O体系、H+H2氢交换反应和H2+CO+→H+HCO+/HOC+反应,选点时在传统的欧式判据基础上,添加了力的相对值和绝对值,大大减少了产物通道和反应物通道的从头算能量点的个数,很好地避免了长程区域出现的能量振荡。此外,本文还采用了基本不变多项式-神经网络(FI-NN)方法基于41282个UCCSD(T)-F12/aug-cc-pVTZ 水平的从头算能量点构建了 F+NH3→HF+NH2 反应的精确全维势能面,总的均方根误差(RMSE)为0.13kcalmol-1,并在该势能面上进行了准经典轨迹(QCT)动力学研究,结合模拟结果与实验结果,我们发现反应以直接夺取和反弹机制为主,而且存在不可忽略的间接“yo-yo”机制,使得在统计误差内热速率常数不存在温度依赖性得到合理解释。另一方面,计算的产物能量分配表明能量不能有效地流入两个产物的转动模式,反应产物HF的振动态分布遵循PvHF=2≈PvHF=1>PvHF=0>PvHF=3,解释了先前不同实验间关于产物HF的振动态分布的争议。