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。

Hybrid Machine Learning for Enhanced Prediction of Diffusion Coefficients in Liquids

本論文では、ストークス・アインシュタイン式と機械学習を統合したハイブリッドモデル「ESE」を開発し、分子構造情報(SMILES 文字列)のみを用いて液体中の拡散係数を物理的に整合性を持たせつつ、既存の最高水準のモデルよりも高精度に予測可能にしたことを報告しています。

Jens Wagner, Zeno Romero, Kerstin Münnemann, Sebastian Schmitt, Thomas Specht, Hans Hasse, Fabian Jirasek2026-03-04🔬 physics

Expanding Universal Machine Learning Interatomic Potentials to 97 Elements Towards Nuclear Applications

本研究は、核分野で重要な軽アクチノイドを含む新たなデータセットを構築し、既存のデータと統合することで、周期表の 97 元素を網羅する世界最大規模の汎用機械学習間ポテンシャルを開発し、核燃料や新規材料の設計への応用可能性を示しました。

Naoya Kuroda, Kenji Ishihara, Tomoya Shiota, Wataru Mizukami2026-03-04🔬 cond-mat.mtrl-sci

Infinite Boundary Terms and Pairwise Interactions: A Unified Framework for Periodic Coulomb Systems

この論文は、無限境界項と対相互作用を導入することで、周期的境界条件下における中性および非中性のクーロン系(点電荷と電荷密度分布を含む)の静電エネルギーと圧力を、孤立系との直接的な対応関係を保ちながら統一的に導出する枠組みを提示し、特に一成分プラズマ系において背景電荷の寄与を明確化してエネルギーと圧力の関係を保存する体積依存ポテンシャルの設計基準を明らかにしている。

Yihao Zhao, Zhonghan Hu2026-03-03🔬 physics

Advancing Universal Deep Learning for Electronic-Structure Hamiltonian Prediction of Materials

本論文は、DFT の初期電荷密度に基づくゼロステップハミルトニアンの導入、E(3) 対称性と高い非線形表現力を持つトランスフォーマーアーキテクチャ、および実空間と逆空間の両方での精度を確保する新たな学習目的関数を特徴とするニューラルネットワーク「NextHAM」を提案し、スピン軌道相互作用を明示的に含んだ大規模な新材料ベンチマーク「Materials-HAM-SOC」を用いて、材料の電子構造ハミルトニアンの予測において高い精度と汎用性を達成したことを示しています。

Shi Yin, Zujian Dai, Xinyang Pan, Lixin He2026-03-03🔬 cond-mat.mtrl-sci

Excited-State Intramolecular Proton Transfer and Competing Pathways in 3-Hydroxychromone: A Non-adiabatic Dynamics Study

本論文では、混合量子古典非断熱ダイナミクスシミュレーションを用いて、3-ヒドロキシクロモンの励起状態分子内プロトン移動(ESIPT)において、フェムト秒およびピコ秒の 2 つの時間スケールが観測される現象を解明し、後者が分子平面からの水素のねじれ運動による競合経路に起因することを示した。

Alessandro Nicola Nardi, Morgane Vacher2026-03-03🔬 physics

Low-entropy arrays of microwave-shielded molecules prepared by interaction blockade

この論文は、マイクロ波シールド分子間の相互作用ブロックadeを利用することで、熱的または縮退気体から光ピンセット配列へ単一分子を確率的に、かつ高い忠実度で運動基底状態に直接ロードする手法を提案し、量子計算やシミュレーションに向けた大規模な低エントロピー極性分子配列の実現を可能にするものである。

Tijs Karman, Sebastian Will, Zoe Yan2026-03-03🔬 physics.atom-ph