量子科技中心_量科网

半经验INDO/s方法因其计算资源需求较低而广泛用于分子激发能和吸收光谱研究，使得对大体系进行预测成为可能。然而该方法精度通常较低，特别是与含时密度泛函理论(TDDFT)等方法的典型精度相比存在明显差距。该研究团队提出通过机器学习模型对INDO/s计算结果进行修正，所需计算资源增幅可忽略不计。虽然INDO/s激发能相对于TDDFT结果存在约1.1电子伏的平均误差，但经机器学习修正后误差可降至0.2电子伏。此外，这种INDO/s与机器学习相结合的方法所产生的紫外-可见吸收光谱与TDDFT预测结果高度吻合。