[Nature Communications] 基于人工智能的量子动力学预测光捕获复合物中激发能量转移

发布日期:2022年04月18日   浏览次数:

Pavlo O. Dral副教授与其博士后Arif Ullah发展了一种极快的基于人工智能(AI)的量子动力学(QD)方法,相关成果以“Predicting the future of excitation energy transfer in light-harvesting complex with artificial intelligence-based quantum dynamics”为题,发表在Nature Communications上。

该论文通过AI-QD方法,提出了一种新的方法来传播量子动力学,该方法绕过了传统迭代动力学的需要,只需提供重组能量λ、特征频率γ、温度T等参数,就能够预测相应的轨迹直至其渐近极限。由于所提出的方法是非迭代的,故所有时间步长彼此独立,因此允许并行计算,从而极大地加快了计算速度。在应用方面,探究了在绿色硫细菌中发现著名的Fenna-Matthews-Olsen (FMO)复合物的高效激发能量转移。该现象在设计高效的有机太阳能设备的仿生光捕获工程中具有巨大的应用潜力。

 

该工作得到了国家自然科学基金(No.22003051)、中央高校基本科研业务费专项资金(No.20720210092)的资助。

论文链接:https://doi.org/10.1038/s41467-022-29621-w