핵운동 복원 비보른오프페머 다이내믹스와 딥러닝을 이용한 광전자 모멘텀 분포 분석

초록

비보른오프페머 시간 의존 슈뢰딩거 방정식을 직접 해석해 얻은 광전자 모멘텀 분포(PMD)를 입력으로 하는 신경망을 훈련시켜, 1차원 H₂⁺ 분자의 결합 길이를 실시간으로 복원한다. 고정 핵 모델로 훈련한 네트워크가 움직이는 핵을 포함한 데이터에서도 0.2–0.4 a.u. 수준의 절대 오차로 정확히 예측함을 보였으며, 펌프‑프로브 실험에서는 평형 결합 거리와 기저 상태 점유율까지 추정할 수 있음을 확인하였다.

상세 분석

본 연구는 비보른오프페머(Non‑Born‑Oppenheimer) 양자역학 시뮬레이션과 딥러닝을 결합한 새로운 분자 동역학 복원 프레임워크를 제시한다. 1차원 모델 H₂⁺를 대상으로 전자와 핵의 동시 움직임을 포함하는 전완전 TDSE(시간 의존 슈뢰딩거 방정식)를 Feit‑Fleck‑Steiger 분할 연산자를 이용해 수치적으로 풀었다. 전자 좌표 x와 핵 거리 R을 각각 4096·2048 격자로 discretize하고, 0.01 a.u.의 시간 스텝으로 400 a.u.까지의 공간을 포함하는 큰 격자에서 흡수 경계(mask)를 적용해 반사 artefact를 최소화하였다.

두 가지 실험적 시나리오를 설정하였다. 첫 번째는 즉시 첫 번째 전자 들뜸 상태(1pσᵤ)로 전이시킨 뒤 강한 프로브 펄스로 이온화하는 ‘즉시 여기’ 방식이며, 두 번째는 기저 상태에서 펌프 펄스로 파동팩을 형성하고 일정 지연 후 프로브 펄스로 이온화하는 전형적인 펌프‑프로브 스킴이다. 각 경우에 대해 핵이 고정된 상태와 움직이는 상태에서 얻은 PMD를 각각 생성하였다.

PMD는 전자와 핵의 결합 모멘텀 분포를 마스크 방법으로 분리한 뒤 전자 모멘텀만을 적분해 얻으며, kₓ∈