The Geometry of Activity Cliffs: Representation Dependence and Multi-Scale Characterization of Activity Landscapes
本文认为，活性悬崖在很大程度上是所选分子表示和度量标准的人为产物，而非分子本身的内在属性，通过在十五种配置下的六步基准测试证明了不同的嵌入方式编码了分子识别的不同方面，从而隐式地定义了什么构成了活性悬崖。
🔬 Category
physics.chem-ph
763 篇论文
化学物理这一交叉领域探索着分子层面的物理规律，架起了化学变化与物理原理之间的桥梁。在这里，科学家通过理论模型和实验手段，深入理解原子如何结合、能量如何转化以及物质在微观尺度下的独特行为。
Gist.Science 致力于让 arXiv 上的最新研究成果触手可及。我们实时追踪并处理该分类下发布的所有预印本，为每一篇论文提供通俗易懂的科普解读与详尽的技术摘要，帮助不同背景的读者跨越专业术语的障碍，轻松把握前沿动态。
以下是该领域近期在 arXiv 上发布的最新论文精选。
A Phase Space Signature of Quantum Roaming in Chesnavich's Model
本文在 Chesnavich 关于 反应的模型中识别出一种特定的量子共振，它被表征为经典游走（roaming）的一种相空间局域化类比，其特征在于波函数集中在内过渡态与外过渡态之间，并具有独特的径向与角动量特征。
MLIPilot: LLM-Driven Auto-Research for Machine-Learned Interatomic Potentials
本文介绍了 MLIPilot，这是一个自动研究框架，其中具备工具调用能力的语言大模型能够通过提出代码变更并在严格的物理约束下管理高性能计算（HPC）作业，自主优化机器学习原子间势函数，并成功将初始的不稳定基准模型转化为适用于多种分子和周期性基准测试的生产级模型。
Crystallisation kinetics of supercooled liquid palladium
本研究采用经典分子动力学模拟来表征过冷液态钯的结晶动力学，揭示了扩散受限的生长过程以及在 附近出现的均匀成核极大值，该结果与时间分辨 X 射线衍射实验相吻合，并表明均匀成核决定了快速淬火钯薄膜所能达到的过冷程度。
Cooperative Conformational Transitions in Macromolecules under Mechanical Stretching. An Exactly Solved Model for Single Molecule Experiments
本文提出了一个精确求解的弹性自由接合链两态模型，该模型推导出了大分子拉伸行为的显式解析表达式，在成功重现聚乙二醇（PEG）、透明质酸和 DNA 转变实验数据的同时，确定了库恩长度（Kuhn length）和力常数差异是构象变化的根本驱动机制。
Coarse-Grained Boltzmann Generators
本文介绍了粗粒度玻尔兹曼生成器（CG-BGs），这是一个将基于流的生成模型与学习得到的平均力势相结合的框架，旨在实现大分子系统在简化粗粒度坐标空间中的高效且渐近正确的平衡采样。
DFT Accuracy on Crystal Structure Prediction with Machine Learning Interatomic Potentials
本文介绍了 CSP-MACE-Å，这是一种机器学习原子间势，它将总能量分解为分子内和分子间分量，从而在晶体结构预测中实现密度泛函理论水平的精度，同时运行速度快数个数量级，进而通过广泛的候选物评估和自由能计算，实现对固体形态更稳健的风险规避。
How Atoms Interact Within Molecules
通过将量子场论与机器学习力场相结合，本研究揭示出大分子中的原子间作用力表现出随体系尺寸增大而增强的稳健散射和显著各向异性，这既对传统经验模型提出了挑战，也表明应转向识别相互作用“热点”，以更深入地理解分子折叠与动力学。
M\=oLe-{\Lambda}: Learning the Coupled-Cluster Response State for Energies, Gradients, and Properties
本文介绍了 M\=oLe-，这是一种等变机器学习模型，它从局域化 Hartree-Fock 轨道联合预测右耦合和左耦合的耦合簇振幅，从而高效地生成精确的能量、力以及广泛的响应性质，同时保持传统 CCSD 理论的尺寸广延性和局域性。
A Systematic Evaluation of Molecular Mixture Behavior Prediction
本文提出了一种新颖的评估框架，将混合物性质预测误差分解为纯组分和非理想相互作用组分，从而揭示出高绝对精度往往掩盖了对未见分子及非理想混合物行为的泛化能力不足。