物理化学は、物質の性質を物理学の視点から解き明かす領域です。原子や分子がどう動き、反応し、新しい材料やエネルギーを生み出すのかを、微視的な世界から探求する学問であり、化学反応の裏側にある物理的な法則を理解することで、未来の技術革新の鍵を握っています。

Gist.Scienceでは、arXiv に投稿された最新のプレプリントを網羅的に収集し、専門的な内容もわかりやすく解説しています。それぞれの論文について、非専門家にも伝わる平易な要約と、研究者向けの技術的な詳細解説の両方を提供し、最先端の知見へのアクセスを民主化します。

以下に、この分野の最新論文一覧をご紹介します。

The Geometry of Activity Cliffs: Representation Dependence and Multi-Scale Characterization of Activity Landscapes

本論文は、アクティビティ・クリフ(活性の崖)が分子固有の性質というよりも、主に選択された分子表現および指標による人工的な産物であることを主張し、15の構成にわたる6段階のベンチマークを通じて、異なる埋め込みが分子認識の異なる側面を符号化しており、それによって何がアクティビティ・クリフを構成するかを暗黙的に定義していることを実証するものである。

Pawel Dabrowski-Tumanski, Bartosz Topolski, Dariusz Plewczynski, Tomasz Jetka2026-06-01🧬 q-bio

A Phase Space Signature of Quantum Roaming in Chesnavich's Model

本論文は、CH4+CH3++H\mathrm{CH}_4^+\rightarrow\mathrm{CH}_3^+ + \mathrm{H} 反応に関するチェスナヴィッチのモデルにおいて、内側および外側の遷移状態間に波動関数の集中を特徴とし、かつ独特な動径方向および角運動量のシグネチャーを持つ、古典的なローミングの位相空間局在的な類似物としての特定の量子共鳴を特定している。

Stephen Wiggins2026-06-01🔬 physics

MLIPilot: LLM-Driven Auto-Research for Machine-Learned Interatomic Potentials

本論文は、ツール呼び出しが可能な大規模言語モデルが、厳格な物理的制約の下でコードの変更を提案しHPCジョブを管理することで、機械学習による原子間ポテンシャルを自律的に最適化する自動研究フレームワークであるMLIPilotを紹介しており、初期の不安定なベースラインを、多様な分子および周期的なベンチマークにわたってプロダクション品質のモデルへと見事に変貌させている。

Etinosa Osaro, Santosh Adhikari, Stamatia Zavitsanou, Kelsey Parker, Dario Rocca2026-06-01🔬 physics

Crystallisation kinetics of supercooled liquid palladium

本研究では、古典的分子動力学シミュレーションを用いて過冷却液体パラジウムの結晶化速度論を特性化し、拡散律速成長と、時間分解X線回折実験と一致する融点付近0.5Tm0.5 T_{\mathrm{m}}における均質核生成の極大を明らかにしており、これは急速にクエンチされたPd薄膜における達成可能な過冷却が均質核生成によって支配されていることを示している。

Zuzanna Kostera, Przemyslaw Dziegielewski, Konstantinos Georgarakis, Oleksii I. Liubchenko, Adam Olczak, Ryszard Sobierajski, Klaus Sokolowski-Tinten, Peihao Sun, Robert W. E. van de Kruijs, Peter Zal (…)2026-06-01🔬 cond-mat.mtrl-sci

Cooperative Conformational Transitions in Macromolecules under Mechanical Stretching. An Exactly Solved Model for Single Molecule Experiments

本論文は、高分子の伸張挙動に関する明示的な解析式を導出し、PEG、ヒアルロン酸、およびDNAの転移に関する実験データを再現することに成功した、弾性自由連結鎖の厳密解による二状態モデルを提示しており、同時に、コンフォメーション変化の根本的な駆動メカニズムとしてクーン長および力定数の差異を特定している。

Javier Orradre, Pablo M. Blanco, Sergio Madurga, Marina I. Giannotti, Francesc Mas, Josep L. Garcés2026-06-01🔬 cond-mat

DFT Accuracy on Crystal Structure Prediction with Machine Learning Interatomic Potentials

本論文は、結晶構造予測において DFT レベルの精度を達成しつつ、計算速度を数桁向上させるために全エネルギーを分子内および分子間成分に分解する機械学習原子間ポテンシャル CSP-MACE-Åを導入し、それによって広範な候補評価と自由エネルギー計算を通じた固体形態のより堅牢なリスク低減を可能にするものである。

Laurence I. Midgley, Chen Lin, J. Harry Moore, Flaviano Della Pia, Javier Antorán, Sten O. Nilsson Lill, Emma S. E. Eriksson, Felix A. Faber, Lars Tornberg, Anders Broo, Gábor Csányi2026-05-29🔬 physics

How Atoms Interact Within Molecules

量子場理論と機械学習力場を組み合わせることで、本研究は、大分子における原子間力が系サイズとともに増大する頑健なばらつきと著しい異方性を示すことを明らかにし、従来の経験的モデルに挑戦するとともに、分子のフォールディングとダイナミクスをより深く理解するために相互作用の「ホットスポット」の同定へと転換することを示唆している。

Adil Kabylda, Malte Esders, Matteo Gori, Stefan Chmiela, Klaus-Robert Müller, Alexandre Tkatchenko2026-05-29🔬 physics

M\=oLe-{\Lambda}: Learning the Coupled-Cluster Response State for Energies, Gradients, and Properties

本論文は、局所化ハートリー・フォック軌道から右および左の結合クラスター振幅を同時に予測し、従来のCCSD理論のサイズ拡張性と局所性を維持しながら、高精度なエネルギー、力、および広範な応答特性を効率的に生成する等変性機械学習モデルであるM\=oLe-Λ\Lambdaを導入する。

Andreas Burger, Luca Thiede, Abdulrahman Aldossary, Jorge A. Campos-Gonzalez-Angulo, Alex Zook, Jérôme Florian Gonthier, Alán Aspuru-Guzik2026-05-29🔬 physics