如何使用scipy.optimize.curve_fit成功完成Morse势能的数据拟合

• 势能函数定义缺失偏移项：当前使用的Morse势能默认平衡位置r=r0处势能为0，但你的能量数据整体偏移到了-1428左右的区间，没有偏移项的情况下，拟合算法只能通过将D设为负值来匹配负的能量结果，自然不符合物理意义。你之前拟合简谐势能失败也是同样的原因。
• 初始参数设置不合理：给定的D初始值0.005远小于实际阱深（你的数据阱深约为0.17），alpha初始值10也远高于常规双原子分子的alpha取值范围（通常1~3 Å⁻¹），算法很容易收敛到错误的局部最优解甚至发散。

1. 调整Morse势能函数定义 #

增加阱底能量偏移项E0，匹配能量数据的整体偏移：

import numpy as np
def morsePotential(r, D, alpha, r0, E0):
    return D * (1 - np.exp(-alpha * (r - r0)))**2 + E0

2. 设置合理初始参数 #

直接从原始数据估算初始值，大幅降低算法收敛难度：

• D（阱深）：能量最大值 - 能量最小值 ≈ (-1428.04) - (-1428.21) ≈ 0.17
• r0（平衡键长）：能量最低点对应的距离，你的数据中为1.02
• alpha：初始值取2，属于双原子分子的合理取值范围
• E0（阱底能量）：能量最小值 ≈ -1428.21

3. 增加参数物理约束 #

给curve_fit增加参数边界，避免输出不符合物理意义的参数：

from scipy.optimize import curve_fit

distances = np.array([0.7,  0.78, 0.86, 0.94, 1.02, 1.1,  1.18, 1.26])
energies = np.array([-1428.03995379, -1428.13375727, -1428.18294153, -1428.20472839, -1428.20977469, -1428.2047732,  -1428.19393863, -1428.17996123])

# 初始参数顺序：D, alpha, r0, E0
p0 = [0.17, 2, 1.02, -1428.21]
# 参数边界：D>0, alpha>0, r0在0.9~1.1之间，E0在-1428.3~-1428.1之间
bounds = ([0, 0, 0.9, -1428.3], [1, 10, 1.1, -1428.1])

param, cv = curve_fit(morsePotential, distances, energies, p0=p0, bounds=bounds)
D, alpha, r0, E0 = param

4. 可选优化 #

如果仍出现拟合不稳定的情况，可以先将能量数据减去最小值做归一化，拟合完成后再还原到原始能量区间，进一步降低数值计算误差。

内容的提问来源于stack exchange，提问作者poisonDartFrog