Blucher Physics Proceedings

Agosto 2018, vol.5, num.1 - IX Encontro Científico de Física Aplicada
Artigo - Open Access Idioma principal | Segundo principal

Representação de curvas de energia potencial molecular usando redes neurais: O2 e N2 como casos de estudo

Representação de curvas de energia potencial molecular usando redes neurais: O2 e N2 como casos de estudo

Alves, Marcos D.; Silva, Ramon S. da; Crispim, Lucas W.; Ballester, Maikel Y.

Artigo:

O estudo de moléculas diatômicas é de grande interesse na Fisico-Química pois desempenha papel importante em fenômenos como combustão, química ambiental e astrofísica. Neste contexto, se faz necessário conhecer características espectroscópicas destas espécies obtidas através do potencial de interação. Portanto, o objetivo do presente trabalho é propor o ajuste de curvas de energia potencial (CEP’s) para os sistemas diatômicos homonucleares via redes neurais utilizando para tal o software livre FANN (do inglês, Fast Artificial Neural Network). Pontos ab initio foram gerados por meio do pacote de programas MOLPRO valendo-se dos n´ıveis de cálculo CASPT2 e MRCI com correção de Davidson nas bases de Dunning AVXZ (X = 2,3,4,5,6). Com o intuito de determinar a qualidade das representações para as CEP’s obtidas, dois testes foram realizados: o erro médio quadrático e o cálculo das constantes espectroscópicas. Como resultado, a base AVQZ mostrou-se ser a mais adequada tendo constantes compatíveis com aqueles valores disponíveis na literatura, mostrando desta maneira bom acordo.

O estudo de moléculas diatômicas é de grande interesse na Fisico-Química pois desempenha papel importante em fenômenos como combustão, química ambiental e astrofísica. Neste contexto, se faz necessário conhecer características espectroscópicas destas espécies obtidas através do potencial de interação. Portanto, o objetivo do presente trabalho é propor o ajuste de curvas de energia potencial (CEP’s) para os sistemas diatômicos homonucleares via redes neurais utilizando para tal o software livre FANN (do inglês, Fast Artificial Neural Network). Pontos ab initio foram gerados por meio do pacote de programas MOLPRO valendo-se dos n´ıveis de cálculo CASPT2 e MRCI com correção de Davidson nas bases de Dunning AVXZ (X = 2,3,4,5,6). Com o intuito de determinar a qualidade das representações para as CEP’s obtidas, dois testes foram realizados: o erro médio quadrático e o cálculo das constantes espectroscópicas. Como resultado, a base AVQZ mostrou-se ser a mais adequada tendo constantes compatíveis com aqueles valores disponíveis na literatura, mostrando desta maneira bom acordo.

Download (PDF)

Palavras-chave:

DOI: 10.5151/ecfa2018-09

Referências bibliográficas
  • [1] BORN, M.; OPPENHEIMER, J. R. Zur Quantentheorie der Molekeln. Ann. Phys. 389, p. 457-484, 1927. [2] DOLTSINIS, N. L.; MARX, D. J. Theor. Comput. Chem. 1, p. 319- 349, 2002.; ABEDI, A.; MAITRA, N. T.; GROSS, E. K. Phys. Rev. Lett. 105, p. 123002, 2010. [3] ALVES, M. D. S.; SILVA, R. S.; BALLESTER, M. Y. ”Construc¸ ˜ao de curvas de energia potencial para sistemas diatˆomicos”, p. 205-207. S˜ao Paulo: Blucher, 2017; VILA, H. V. R. et al. Int. J. Quantum Chem. 112, p. 829-833, 2012. [4] MORGON, N. H. Quim. Nova 24, p. 676-682, 2001 [5] BEHLER, J.; PARRINELLO, M. Phys. Rev. Lett. 98, p. 146401, 2007. [6] RAFF, L. M. et al. J. Chem. Phys. 122, p. 084104, 2005. [7] BEHLER, J. Phys. Chem. Chem. Phys. 13,p. 17930-17955, 2011. [8] NISSEN, S. Implementation of a fast artificial neural network library (fann). Report, Department of Computer Science University of Copenhagen (DIKU), 2003. [9] HAYKIN, S. Redes neurais: princ´ıpios e pr´atica. Bookman Editora, 2007. [10] SANTOS, A. M. et al. Rev. Bras. Epidemiol. 8, p. 117-126, 2005. [11] WERNER, H. et al. MOLPRO, version 2010.1, a package of ab initio programs, 2010. Disponivel em http://www.molpro.net [12] KENDALL, R. A. et al. J. Chem. Phys. 96, p. 6796-6806, 1992.
Como citar:

Alves, Marcos D.; Silva, Ramon S. da; Crispim, Lucas W.; Ballester, Maikel Y.; "Representação de curvas de energia potencial molecular usando redes neurais: O2 e N2 como casos de estudo", p-47-51. In: . São Paulo: Blucher, 2018.
ISSN 23582359, DOI 10.5151/ecfa2018-09

últimos 30 dias

213
downloads

604
visualizações

845
indexações