利用机器学习研究非绝热激发态动力学

我们展示了机器学习（ML）可以用来准确地再现具有去相干修正的最少开关表面跃迁的非绝热激发态动力学在一个一维模型系统中的表现。我们建议使用机器学习显著减少真实高维系统的模拟时间，同时良好地再现从参考模拟中获得的可观测量。我们的方法基于利用少量训练点为每个绝热态创建近似的机器学习势能。我们通过使用各种维度的绝热自旋-玻色子哈密顿模型作为参考方法来研究这种方法的可行性。