【学术讲座】蓝光受体的光化学和基于深度学习的非绝热动力学

报告日期:2019-01-08 15:00     浏览次数:244次    发布者:王志晖    

报告题目:蓝光受体的光化学和基于深度学习的非绝热动力学

报告人:崔刚龙  教授,北京师范大学

时间:2019年1月8日(周二)15:00-16:30

地点:曾呈奎楼B311会议室


报告摘要:

化学、生物、材料、大气等领域都涉及极其复杂的光物理和光化学过程。仅依靠实验研究目前还很难完全弄清楚其微观机理,计算模拟在其中起着不可替代的角色[1-7]。此外,复杂体系的计算模拟依赖于发展高效、实用的激发态电子结构和非绝热动力学方法[8-10]。在本报告中,我主要介绍课题组在激发态电子结构和非绝热动力学方面的两个近期的工作。

(1)光-氧气-电压(LOV)域是光活性蛋白的蓝光敏感部分,参与调节植物、真菌、和细菌的光响应行为,调节树叶的气孔开闭,以及控制植物的向光性。但LOV的光物理和光化学机理仍不清楚。我们利用高精度的激发态电子结构方法对LOV的D447和S390态的光物理和光化学过程进行了系统全面的理论研究,解释了为什么LOV蛋白选择S390状态作为光信号态,为研究蓝光光受体的光响应机制提供了重要的机理信息[4]。(2)在化学领域,机器学习方法已经被用于指导有机合成、搜寻功能材料、发展理论方法等,其中利用大数据“学习”复杂体系的势能面信息来进行多尺度的动力学模拟是目前的研究热点之一。但前期的工作主要集中于“训练”单一势能面用于绝热动力学模拟,而对多态耦合的势能面及其非绝热动力学模拟则少有报道。我们利用深度学习方法精确重现了基态和激发态的势能面及其交叉区域的拓扑结构,并利用所得到的多态势能面进行了非绝热动力学模拟,发现基于深度学习势能面的非绝热动力学模拟在降低计算量的同时,给出了和从头算的非绝热动力学模拟近乎一样的动力学结果。工作表明深度机器学习方法可以足够准确地描述复杂的多态势能面的拓扑结构,可用于研究复杂体系的光物理和光化学的动力学过程[10]。


报告人简介:

崔刚龙,北京师范大学教授、博士生导师;教育部国家建设高水平大学公派博士研究生(2007)、德国洪堡学者(2012)、国家千人计划青年项目入选者(2014)、国家自然科学基金委优秀青年基金(2015)、中国化学会唐敖庆理论化学青年奖(2017)。多年来一直致力于光化学、光生物和光功能材料体系中的光诱导的物理过程和化学反应的机理和动力学的理论与计算模拟研究。截至2018年以第一作者或通讯作者在Nat. Commun.、J. Am. Chem. Soc.、Angew. Chem. Int. Ed.等杂志发表SCI论文90余篇、多次获邀在国内外会议上作邀请报告。主持国家千人计划青年项目、国家自然科学基金委优秀青年基金、国家科技部重点研发专项、中央高校基本科研基金;参加国家自然科学基金委重点国际合作项目;参与国家自然科学基金委创新研究群体。


欢迎各位老师同学积极参加!