ترجمه فارسی مقاله ساخت و ساز مبتنی بر یادگیری ماشین از پتانسیل مولکولی و کاربرد آن در کاوش در اثر عمق مداری در تولید هارمونیک مرتبه بالا
عنوان مقاله به انگلیسی
Machine-Learning-Based Construction of Molecular Potential and Its Application in Exploring the Deep-Lying-Orbital Effect in High-Order Harmonic Generation
عنوان مقاله به فارسی
ساخت و ساز مبتنی بر یادگیری ماشین از پتانسیل مولکولی و کاربرد آن در کاوش در اثر عمق مداری در تولید هارمونیک مرتبه بالا
نویسندگان
Duong D. Hoang-Trong, Khang Tran, Doan-An Trieu, Quan-Hao Truong, Van-Hoang Le, Ngoc-Loan Phan
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Creating soft-Coulomb-type (SC) molecular potential within single-active-electron approximation (SAE) is essential since it allows solving time-dependent Schrödinger equations with fewer computational resources compared to other multielectron methods. The current available SC potentials can accurately reproduce the energy of the highest occupied molecular orbital (HOMO), which is sufficient for analyzing nonlinear effects in laser-molecule interactions like high-order harmonic generation (HHG). However, recent discoveries of significant effects of deep-lying molecular orbitals call for more precise potentials to analyze them. In this study, we present a fast and accurate method based on machine learning to construct SC potentials that simultaneously reproduce various molecular features, including energies, symmetries, and dipole moments of HOMO, HOMO-1, and HOMO-2. We use this ML model to create SC SAE potentials of the HCN molecule and then comprehensively analyze the fingerprints of lower-lying orbitals in HHG spectra emitted during the H-CN stretching. Our findings reveal that HOMO-1 plays a role in forming the second HHG plateau. Additionally, as the H-C distance increases, the plateau structure and the smoothness of HHG spectra are altered due to the redistribution of orbital electron density. These results are in line with other experimental and theoretical studies. Lastly, the machine learning approach using deconvolution and convolution neural networks in the present study is so general that it can be applied to construct molecular potential for other molecules and molecular dynamic processes.
چکیده به فارسی (ترجمه ماشینی)
ایجاد پتانسیل مولکولی از نوع کولوم (SC) در تقریب تک فعال (SAE) ضروری است زیرا امکان حل معادلات Schrödinger وابسته به زمان را با منابع محاسباتی کمتری در مقایسه با سایر روش های چند الکتریکی فراهم می کند.پتانسیل های فعلی SC موجود می تواند به طور دقیق انرژی تولید بالاترین مداری مولکولی اشغالی (HOMO) را تولید کند ، که برای تجزیه و تحلیل اثرات غیرخطی در تعامل لیزر و مولکول مانند تولید هارمونیک مرتبه بالا (HHG) کافی است.با این حال ، اکتشافات اخیر از اثرات قابل توجهی از مدارهای مولکولی عمیق ، پتانسیل های دقیق تری را برای تجزیه و تحلیل آنها می طلبد.در این مطالعه ، ما یک روش سریع و دقیق بر اساس یادگیری ماشین برای ساخت پتانسیل های SC ارائه می دهیم که همزمان ویژگی های مولکولی مختلف از جمله انرژی ، تقارن و لحظات دو قطبی HOMO ، HOMO-1 و HOMO-2 را تولید می کند.ما از این مدل ML برای ایجاد پتانسیل های SA SAE از مولکول HCN استفاده می کنیم و سپس به طور جامع اثر انگشت مدارهای سطح پایین در طیف HHG ساطع شده در طول کشش H-CN را تجزیه و تحلیل می کنیم.یافته های ما نشان می دهد که HOMO-1 در تشکیل فلات دوم HHG نقش دارد.علاوه بر این ، با افزایش فاصله H-C ، ساختار فلات و صافی طیف HHG به دلیل توزیع مجدد چگالی الکترونی مداری تغییر می یابد.این نتایج مطابق با سایر مطالعات تجربی و نظری است.سرانجام ، رویکرد یادگیری ماشین با استفاده از تجزیه و تحلیل و شبکه های عصبی Convolution در مطالعه حاضر بسیار کلی است که می توان آن را برای ساخت پتانسیل مولکولی برای سایر مولکول ها و فرآیندهای پویا مولکولی استفاده کرد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
