用户工具

站点工具

本页面的其他翻译:
  • zh

adf:t1opt

如何进行T1态结构优化

T1态结构优化,有两种方法,一种是用基态的DFT理论去优化,因为T1就是三重态的基态;另一种方法是用TDDFT去优化。本例以<chem>CH2O</chem>为例进行说明。初始结构采用完全相同的结构出发,用两种方式进行优化,并进行对照。

基态DFT理论优化T1态

直接将体系设置为三重态,进行基态的结构优化即可。如果要使用相对论(只能使用Scalar相对论),则必须使用基态方法优化T1态,也就是勾选Scalar、Unrestricted,以及Spin Polarization设置为2。然后进行结构优化,其他与非相对论一样,如下文。

参数设置

如果考虑相对论效应,Relativity选择Scalar即可。

关于如何显示键长键角,参考:显示键长、键角、二面角

注意,因为我们预先并不知道<chem>CH2O</chem>的T1态有没有对称性,因此取消掉对称性,让程序在没有对称性限制的条件下去优化。

保存任务,并提交。

查看优化结果

SCM - Movie:

留意优化得到的键长键角,以及结构(保持了基态的对称性)。

T1态的能量: SCM - Logfile

<Dec01-2020> <19:19:47>   Bond Energy          -0.68921685 a.u.
<Dec01-2020> <19:19:47>   Bond Energy         -18.75454485 eV
<Dec01-2020> <19:19:47>   Bond Energy        -432.49       kcal/mol
<Dec01-2020> <19:19:47>  >>>> POPUL
<Dec01-2020> <19:19:47>  >>>> ENGRAD
<Dec01-2020> <19:19:47>  NORMAL TERMINATION
Job S1-geo has finished

TDDFT理论优化T1态

参数设置

注意此时的计算中,基态是单重态,激发态才是三重态,我们是希望通过计算激发态来优化:

此处Spin polarization应设置为0,不过由于没有勾选Unrestricted,所以这项的数值不起作用。如果考虑相对论效应,Relativity选择Scalar即可。

选择只计算三重激发态:

选择要优化哪个激发态,n A表示优化Tn态:

因为我们预先并不知道<chem>CH2O</chem>的T1态有没有对称性,因此和前一种方法一样,取消掉对称性(Symmetry设置为NoSym),让程序在没有对称性限制的条件下去优化:

保存任务,并提交。

查看优化结果

T1态的能量:SCM - Logfile

<Dec01-2020> <19:13:11>  Excited state gradient for: 1A (Singlet-Triplet)
<Dec01-2020> <19:13:11>  >>>> EGO
<Dec01-2020> <19:13:11>       EGO:Preliminaries
<Dec01-2020> <19:13:12>       EGO:Z Vector
<Dec01-2020> <19:13:12>       EGO:Kinetic
<Dec01-2020> <19:13:12>       EGO:Potentials
<Dec01-2020> <19:13:12>       EGO:W matrix
<Dec01-2020> <19:13:12>  New Excited State Energy:
<Dec01-2020> <19:13:12>  Total excited state energy:                  -0.69154846 Hartree
<Dec01-2020> <19:13:12>  NORMAL TERMINATION
Job S1-geo has finished

两种方法的比较

可以看到从同一种结构出发,两种方法优化得到的最终结构、能量其实相差很小,约0.002 a.u.,基本上可以忽略这种误差。但第一种方法优化,显然计算量小的多,而且理论可靠性更大!

上面说的内容仅仅是操作层面的。实际上,本例存在一个典型问题,导致这种优化结果实际上是错的。我们计算该激发态频率的时候,会发现这个结构存在一个虚頻,而且很大。实际上这就是由于起始结构是一个对称结构造成的。稍微去掉移动一个H原子,使其偏离C2v群,重新优化,二者都可以得到正确的优化结果了。计算频率的时候,虚頻也都消失了。

adf/t1opt.txt · 最后更改: 2024/07/19 14:24 由 liu.jun

© 2014-2022 费米科技(京ICP备14023855号