厦门大学化学化工学院Pavlo O. Dral副教授与其博士后Arif Ullah发展了一种极快的基于人工智能（AI）的量子动力学（QD）方法，相关成果以“Predicting the future of excitation energy transfer in light-harvesting complex with artificial intelligence-based quantum dynamics”为题，发表在Nature Communications。
在AI-QD方法中，只需提供重组能量λ、特征频率γ、温度T等参数，基于作者提出的人工智能方案，就能够预测合理预测动力学轨迹。AI-QD方法实现了高效并行计算，极大地加快了计算速度。作者利用本方法研究了绿硫细菌光合作用反应中心Fenna-Matthews-Olsen (FMO)复合物中的高效激发能量转移，研究结果有助于高效的有机太阳能设备的仿生光捕获工程的理性设计。
该工作得到国家自然科学基金（项目批准号：22003051）、中央高校基本科研业务费专项资金（项目批准号：20720210092）的资助。
论文链接：https://doi.org/10.1038/s41467-022-29621-w