AMS2023 中 TDDFT+TB 的解析梯度大幅度提供激发态优化效率

Posted · Add Comment

激发态在光化学机制中起着至关重要的作用,直接影响寻找新的高发光材料、光催化剂、荧光探针、光伏器件等的能力。然而大分子体系和纳米团簇的激发态势能面计算非常昂贵。为了解决这个问题,2016 年在 ADF 中加入了 TDDFT+TB 方法。受 Stefan Grimme 的 sTDA 和 sTDDFT 方法启发,TDDFT+TB 在线性响应TDDFT 中使用单极近似而不是耦合矩阵积分,大幅降低了计算激发态能量的成本。

在最近的一篇论文中,研究人员利用 Z-矢量方法推导了 TDDFT+TB 的解析梯度,并将代码实现到 AMS 中的 ADF 引擎中,并已于2023年发布。作者测试了总共60个不同的化学体系,包括9个双原子分子、26个小有机分子、一个裸金纳米团簇核心、10个配体保护的贵金属纳米团簇和14个发色团。作者发现,与 TDDFT 相比,这种方法的时间成本仅为三分之一,能够用于更大的分子体系的发射能量和激发态几何结构计算。

总之,解析梯度的 TDDFT+TB 是一种有用的工具,大幅度降低了激发态几何结构优化的计算成本,同时保持了 TDDFT 的准确性。

 
  • 标签

  • 关于费米科技

    费米科技以促进工业级模拟与仿真的应用为宗旨,致力于推广基于原子级别模拟技术和基于图像模型的仿真技术,为学术和工业研究机构提供研发咨询、软件部署、技术攻关等全方位的服务。费米科技提供的模拟方案具有面向应用、模型新颖、功能丰富、计算高效、简单易用的特点,已经服务于众多的学术和工业用户。

    欢迎加入我们!(点击链接)

  • 最近更新

  • 联系方式

    • 留言板点击留言
    • 邮箱:sales_at_fermitech.com.cn
    • 电话:010-80393990
    • QQ: 1732167264
  • 订阅费米科技新闻

    • 邮件订阅:
      您可以使用常用的邮件地址接收费米科技定期发送的产品更新和新闻。
      点击这里马上订阅
    • 微信订阅:
      微信扫描右侧二维码。
  •