#今日论文推荐# 厦大团队 | 用基于人工智能的量子动力学,探索光合作用如何捕获能量
探索光捕获复合物(LHC)中的激发能量转移(EET)对于理解自然过程和高效光伏器件的设计至关重要。LHC 是开放系统,其中量子效应可能对几乎完美地利用太阳能发挥关键作用。包含量子效应的能量转移模拟可以在耗散量子动力学(QD)的框架内完成,这在计算上是昂贵的。因此,人工智能(AI)将自身作为降低计算成本的工具。厦门大学的研究人员建议使用 AI 直接预测 QD 作为时间和其他参数(如温度、重组能量等)的函数的 AI-QD 方法,与传统的 QD 和递归的基于 AI 的 QD 方法替代方案相比,完全避免了递归逐步动态传播的需要。他们的轨迹学习 AI-QD 方法能够在无限时间预测 QD 的正确渐近行为。研究人员在 seven-sites Fenna-Matthews-Olson(FMO)复合体上展示了 AI-QD。从生命诞生开始,太阳能就一直是生命的动力。通过光合作用的机制,生物体利用其天线系统中高度复杂的色素捕捉阳光,并将阳光能量以电子-空穴对(激子)的形式传递到反应中心(RC),并在其中存储为生化能量。太阳能从天线到 RC 的传输,也称为激发能量传输(EET),以激子的形式被认为是高效的,接近单位效率。了解自然收获系统的这种高效率非常重要,因为这种了解可以潜在地应用于设计非常高效的有机太阳能电池和存储设备。
论文题目:Predicting the future of excitation energy transfer in light-harvesting complex with artificial intelligence-based quantum dynamics
详细解读:https://www.aminer.cn/research_report/62a947507cb68b460fd2e9c7?download=falsehttps://www.aminer.cn/research_report/62a947507cb68b460fd2e9c7?download=false
AMiner链接:https://www.aminer.cn/?f=cs