计算有机染料分子（如罗丹明B）在基态到第一激发态（S?→S?）跃迁时，机器学习模型预测的激发能E_exc=2.35 eV与实验值偏差ΔE<0.05 eV的泛化精度 🆔 ID: 179990 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测过渡金属配合物（如Ru(bpy)?2?）激发态寿命τ=1.2 μs对应的机器学习特征权重（包括金属-配体电荷转移MLCT占比x=0.65，自旋轨道耦合常数ζ=350 cm?1） 🆔 ID: 179991 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析共轭聚合物（如PTB7-Th）在溶液态与固态薄膜中激发态能量E_exc差异ΔE=0.15 eV的机器学习描述符（包括π-π堆积距离d=3.5 ?，聚合物链取向角θ=15°） 🆔 ID: 179992 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算小分子荧光团（如荧光素）激发态辐射跃迁速率k_rad=1.8×10? s?1的机器学习模型输入特征（包括最高占据分子轨道HOMO能级E_HOMO=-5.2 eV，偶极矩μ=7.5 D） 🆔 ID: 179993 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测菁染料分子（如IR-780）在近红外区激发态吸收截面σ_abs=1.2×10?1? cm2的机器学习回归模型（输入：分子骨架共轭长度N=12，取代基电子效应参数σ_p=0.8） 🆔 ID: 179994 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析激发态质子转移（ESPT）分子（如2-羟基吡啶/2-吡啶酮体系）的质子转移能垒E_a=0.75 eV对应的机器学习分类模型准确率（输入：氢键网络拓扑结构参数，溶剂极性参数ε=30） 🆔 ID: 179995 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算多环芳烃（如蒽）激发态系间窜越速率k_ISC=3.2×10? s?1的机器学习特征重要性排序（包括三重态能级E_T=1.8 eV，自旋-轨道耦合矩阵元H_SO=0.15 cm?1） 🆔 ID: 179996 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测染料敏化太阳能电池中分子激发态扩散长度L_D=8.5 nm的机器学习模型（输入：分子间π-π相互作用能E_ππ=0.3 eV，晶格常数a=1.4 nm，缺陷态密度D_it=101? cm?2） 🆔 ID: 179997 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析激发态分子内电荷转移（ICT）体系（如4-(二氰基亚甲基)-2-甲基-6-(对二甲氨基苯乙烯基)-4H-吡喃）的ICT效率η_ICT=0.82对应的机器学习描述符（包括供体-受体电负性差Δχ=0.8，键长伸缩参数Δr=0.15 ?） 🆔 ID: 179998 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算分子激发态非辐射衰减速率k_nr=2.1×10? s?1的机器学习模型（输入：振动频率ω=1600 cm?1，重组能λ=0.5 eV，Franck-Condon因子FC=0.6） 🆔 ID: 179999 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测激发态分子间能量转移（F?rster/Dexter机制）效率η_ET=0.75的机器学习回归模型（输入：供体-受体距离R=3.2 nm，光谱重叠积分J=1.2×10?1? cm?/s，偶极取向因子κ2=0.3） 🆔 ID: 180000 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析光诱导电子转移（PET）体系（如钌配合物/醌类分子）的电子转移速率k_ET=1.5×10? s?1的机器学习分类模型（输入：电子耦合矩阵元H_AB=0.05 eV，重组能λ=0.8 eV，热力学驱动力ΔG=-0.3 eV） 🆔 ID: 180001 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算激发态分子构型弛豫时间τ_relax=50 fs的机器学习模型（输入：势能面交叉点PES crossing barrier E_barrier=0.2 eV，Franck-Condon权重w_FC=0.7，振动模式耦合系数β=0.1 ps?1） 🆔 ID: 180002 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测分子激发态手性光学活性（圆二色性CD信号强度Δε=50 M?1cm?1）的机器学习特征工程（包括手性中心构型参数，激发态偶极矩变化Δμ=4.2 D，圆偏振光波长λ=532 nm） 🆔 ID: 180003 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析激发态分子聚集态（如J-聚集体）的激子结合能E_b=0.45 eV对应的机器学习描述符（包括分子间倾斜角θ=25°，堆积距离d=3.8 ?，激子离域长度L_exc=2.1 nm） 🆔 ID: 180004 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算金属有机框架（MOF）中客体分子激发态限域效应（荧光量子产率Φ=0.92）的机器学习模型（输入：孔径尺寸φ=1.5 nm，配体-金属电荷转移LMCT占比x=0.4，孔隙率ε=0.7） 🆔 ID: 180005 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测激发态分子与溶剂（如水/乙醇）相互作用的Stokes位移Δν=1200 cm?1的机器学习回归模型（输入：溶剂介电常数ε=25，氢键数目n_H=2，溶剂化壳层厚度δ=0.5 nm） 🆔 ID: 180006 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析双光子吸收（TPA）分子（如BODIPY衍生物）的TPA截面σ_2PA=350 GM的机器学习特征排序（包括共轭桥键长度L=2.8 nm，π电子离域参数σ_π=0.9，三重态能级E_T=2.1 eV） 🆔 ID: 180007 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算激发态分子光催化反应（如水分解）的表观量子效率AQE=12%对应的机器学习模型（输入：激发态氧化还原电位E_redox=1.23 V，载流子分离效率η_sep=0.85，表面活性位点密度N_sites=1×101? cm?2） 🆔 ID: 180008 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测分子激发态超快动力学（如飞秒瞬态吸收时间常数τ?=200 fs，τ?=1.5 ps）的机器学习神经网络架构（输入：泵浦-探测延迟时间Δt=0-5 ps，信号强度衰减系数α=0.3 ps?1，振动耦合模式数n=3） 🆔 ID: 180009 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析激发态分子间电荷转移复合物（CTC）的形成能E_CT=0.18 eV的机器学习分类模型（输入：给体-受体电子亲和能差ΔEA=0.25 eV，分子平面性参数Planarity=0.85，接触距离R_CT=3.0 nm） 🆔 ID: 180010 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算分子激发态光致发光（PL）峰位红移Δλ=45 nm的机器学习模型（输入：分子刚性化程度参数Rigidity=0.9，溶剂极性梯度?ε=15，温度T=298 K） 🆔 ID: 180011 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测激发态分子光稳定性的半衰期t?/?=120 h的机器学习回归模型（输入：激发态氧化电位E_ox=1.5 V，氧气浓度[O?]=21%，光照强度I=100 mW/cm2） 🆔 ID: 180012 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析分子激发态量子相干性（如振荡信号相干时间T?=80 fs）的机器学习特征工程（包括电子-振动耦合强度g=0.05 eV，退相位率γ=1.2×1012 s?1，初始相干度ρ_0=0.6） 🆔 ID: 180013 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算激发态分子光诱导异构化（如偶氮苯顺反转换）的量子产率Φ_iso=0.78的机器学习模型（输入：异构化能垒E_a=0.9 eV，激发态偶极矩变化Δμ=3.8 D，温度T=350 K） 🆔 ID: 180014 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测分子激发态多光子过程（如三光子吸收）的截面σ_3PA=50×10??? cm?s2/photon2的机器学习描述符（包括高阶电子激发能级E_3=3.4 eV，非线性极化率χ?3?=2.1×10?3? esu，脉冲宽度τ_pulse=100 fs） 🆔 ID: 180015 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析激发态分子表面增强拉曼散射（SERS）增强因子EF=1.2×10?的机器学习模型（输入：金属纳米颗粒间隙距离d=2 nm，激发态偶极矩与局域场耦合系数η=0.85，热点数密度N_hot=1×101? cm?2） 🆔 ID: 180016 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算分子激发态光热转换效率η_PTC=28%的机器学习回归模型（输入：激发态非辐射衰减占比η_nr=0.7，热导率κ=0.5 W/(m·K)，纳米结构光吸收截面σ_abs=1.5×10?1? cm2） 🆔 ID: 180017 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
预测激发态分子生物成像（如荧光探针）的信噪比SNR=45 dB的机器学习特征排序（包括激发态寿命τ=2.1 μs，背景荧光强度I_bg=100 cps，靶向分子结合常数K_d=5 nM） 🆔 ID: 180018 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
分析分子激发态光控开关（如偶氮苯/螺吡喃体系）的开关对比度C=15:1的机器学习分类模型（输入：光异构化速率比k_photo/k_dark=1.2×103，激发态稳定性ΔG_stable=0.4 eV，循环次数N=10?） 🆔 ID: 180019 ✅ 可用
自然科学-化学物理学
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行