FR16-C · 分子会忘记原来的振动频率

谱扩散与频率记忆

分子能记住自己的振动频率多久？ 周围环境变了，分子的振动频率也会跟着漂移。二维谱峰最初沿对角线拉长，频率记忆逐渐消失后，峰会变圆。连续测量几个等待时间，就能估计记忆衰减的快慢，再预测更晚的谱。

看分子周围的环境变化，再用保存的复信号重建不同等待时间的谱。只拟合前几次测量，让两种频率相关模型预测后面的结果。

所选等待时间 $0.64\,\mathrm{ps}$

推断的频率记忆 $0.7$

拟合的快速衰减时间 $1.40\,\mathrm{ps}$

晚时刻预测均方根误差 $0.003$

跟着分子环境一起变化

频率记忆消失得有多快？

快速相关时间

\tau_c/\mathrm{ps}

1.4

慢过程或静态占比

b

0.18

等待时间帧

n

2

拖动样品，暂停等待序列回放，查看一次测量。前六次测量用于拟合，后三次检验预测。

校准与噪声

正交分量噪声

\sigma_n

0.002

光谱接受窗宽度

B/\mathrm{cm}^{-1}

70

最大等待时间

T_{\max}/\mathrm{ps}

8

随机种子

模型假设

这里模拟孤立正峰，两段相干演化期间各自的频率保持不变。模型采用 Gaussian 频率对，不含激发态吸收、交换和重叠谱带。

时域协方差估计需要已知线宽、光谱接受窗与均匀退相干。图上的中心线还受到有限采样窗和平滑窗影响。

每个保存的等待时间切片在零延时处取单位振幅；拟合另含对数振幅截距，允许未知的共同信号尺度。有噪声的点估计可能超出相关系数的取值范围，这里没有计算置信区间。舍弃弱信号或负的带噪声采样会引入选择偏差和对数偏差。

R_{\mathrm{R,NR}}=\exp[-v(t_1^2+t_3^2)/2\pm qt_1t_3-\gamma(t_1+t_3)]

模型假设

信号由孤立正峰的 Gaussian 频率涨落模型合成，每段相干演化期间频率保持不变。已知的 Gaussian 光谱接受窗与均匀退相干修正信号，两个正交分量分别加入探测噪声。分析频段不包含激发态吸收。分子运动仅作示意，实验没有重建结构轨迹。拟合要求线宽、带宽与相位已经校准。化学交换、非 Gaussian 涨落、重叠谱带与脉冲重叠需要更完整的模型。

合成复信号 → 光谱 → 预测

晚一点再测，拟合还能预测准吗？

保存的复信号重建出的吸收型谱峰

频率相关与两种模型的预测

所选谱峰由 Fourier 变换重建。实心点参与两种拟合，空心点检验预测。

拟合结果与重建细节

重建中心线斜率 $0.7$

\rho(T)=0.18+0.82e^{-T/(1.4\,\mathrm{ps})}

\rho(T)=0.8e^{-T/(1.4\,\mathrm{ps})}+0.2e^{-T/(10\,\mathrm{ps})}

早期／留出均方根误差，指数衰减与常数模型 $0.003\,/\,0.005$

早期／留出均方根误差，两个衰减时间模型 $0.003\,/\,0.005$

每条相干时间轴有四十八个采样点，间隔为 0.08 皮秒，旋转参考系的载频是每厘米 1650。Fourier 重建采用每厘米四的 Gaussian 平滑窗。下载文件包含每个等待时间、两种路径的实部与虚部。

Fenn 与 Fayer（2011），式 12 及谱带重叠时的限制

学习多维光谱课程

先抓重点

核心问题: 分子能记住自己的振动频率多久？
一句话直觉: 频率记忆把初始频率和后来频率连起来，让二维峰沿对角线倾斜。

核心数学模型

一个简单的相关模型

\rho(T)=\frac{C(T)}{C(0)}=b+(1-b)e^{-T/\tau_c}

等待时间与相关时间均用皮秒。静态部分在整个测量期间保持相关；另一种模型把它换成更慢的指数衰减。

Gaussian 峰与中心线

p(y\mid x)\propto\exp\!\left[-\frac{(y-\rho x)^2}{2(1-\rho^2)}\right],\qquad y_{\max}=\rho x

两个频移都除以同一个标准差。理想 Gaussian 峰的中心线斜率等于频率相关系数。有限采样窗、均匀退相干与光谱接受窗会改变重建斜率，因此拟合使用经过校准的时域信号。

常见难点

峰变圆，还不能认定微观机制

容易误解拟合出的时间常数，唯一对应一种溶剂重排。

正确理解模型描述的是频率相关。多种微观过程、重叠谱带与化学交换都可能改变相近的谱形。要认定机制，还需要偏振、温度或独立结构测量。

动手实验

01
跟着一个峰往后看
选择“记忆慢慢消退”。横向拖动样品，或把“等待时间帧”从最初移到最后。
你会看到： 频率相关减小，谱峰的倾斜也跟着减弱。彩色分子示意频率之间的相关；热图由保存的复信号重建。
02
让晚时刻测量来检验
选择“藏着两种时间尺度”，比较两条拟合曲线在三个空心留出点处的表现。
你会看到： 一条曲线即使贴合早期测量，后来仍可能偏离。留出预测把所选相关模型的后果显示出来。
03
缩短实验时间
选择“过早结束测量”。比较两种拟合，再展开“校准与噪声”，延长最大等待时间。
你会看到： 观察窗太短时，慢衰减很像常数背景。信号足够精确，延长测量就更容易把两种解释分开。

谱扩散与频率记忆

晚一点再测，拟合还能预测准吗？

看一个频率如何失去记忆

核心数学模型

一个简单的相关模型

Gaussian 峰与中心线

常见难点

峰变圆，还不能认定微观机制

动手实验

跟着一个峰往后看

让晚时刻测量来检验

缩短实验时间

相关实验与文章

振动、回波与频率记忆