光诱导过程在诸如太阳能收集之类的转化技术以及光医学和光响应材料中至关重要。光诱导过程动力学的理论研究需要大量的电子结构计算，这在计算上是昂贵的。格罗宁根大学的科学家开发了基于机器学习的算法，该算法大大减少了这些计算。他们开发的开源软件包PySurf于11月24日发表在《化学理论与计算杂志》上。

分子暴露在光线下如何表现?对这一过程的了解不仅是自然界中至关重要的过程(例如光合作用和维生素D产生)的核心，而且对于合理设计具有特定光响应特性的新分子也至关重要。

机器学习

该论文的主要作者，理论化学副教授Shirin Faraji解释说，尽管在硬件和计算方法方面取得了长足进步，但光与分子之间相互作用的计算仍然是一个挑战。“对于中型分子，高级电子结构计算已经非常昂贵，典型的生色团具有约30个重原子。” 实际上在量子力学水平上包括环境对这种系统的影响是不可能的。

“目前的软件会搜索整个构象空间，但是我们使用机器学习来排除此构象空间搜索的一部分，这使其成为非常聪明的搜索，” Faraji解释说。“因此，我们的软件比现有的直接动力学软件所需的计算时间少几个数量级。” 在论文中，开发人员报告了两个基准分子SO 2和吡嗪的光动力学，并表明它们的结果与使用完全基于量子动力学的模拟获得的结果可比。

量子化学

此外，该软件包是从头开始开发的，并且易于适应特定目的，例如通过使用插件和工作流引擎。Faraji评论说：“博士生可以轻松地深入研究代码并开发特定的算法，例如，一种新的基于神经网络的算法。”

Faraji为多个软件包提供了代码，其中最著名的是Q-Chem，它是全球领先的量子化学软件程序之一，目前是Q-Chem董事会成员。新的PySurf软件包将与Q-Chem以及其他电子结构软件对接。PySurf是开源的，这意味着它可以与手册一起免费下载，Faraji的团队将为用户提供支持。

初版

PySurf软件是由荷兰研究委员会(NWO)Vidi计划个人资助Faraji资助的一个项目的结果。Faraji总结说：“我们仅用了一年半的时间就完成了这个为期五年的项目。因此，当前版本只是第一个发行版。我们将继续对该程序进行优化，以创建一个用户友好的界面。”