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。
本研究对五种机器学习原子间势（SchNet、FieldSchNet、SO3Net、PaiNN 和 MACE）预测分子红外光谱的性能进行了基准测试，发现尽管所有模型在训练数据上均实现了高精度，但等变架构（SO3Net、PaiNN 和 MACE）展现出对未见系统的更优泛化能力，其中 PaiNN 在效率与精度之间提供了最佳平衡，而 MACE 则提供了最高的光谱精度。
该视角综述并基准测试了利用低阶约化密度矩阵恢复多参考波函数动态相关性的方法，发现尽管 MC-srPDFT 是最精确的基于密度泛函理论的方法，但线性化 AC0 在预测过渡金属配合物的自旋态能量方面优于密度泛函理论方法，并与昂贵的微扰理论相当。
本文在非简并假设下，从理论上确立了单参考耦合簇振幅关于核坐标的实解析性，识别并消除了由正则轨道引起的正则性伪影，并验证了插值这些振幅以降低分子能量计算中计算成本的可行性。
本文介绍了 mlip v2，这是一个新一代开源软件，通过重新设计的模块化 API、高性能等变后端以及 eSEN 架构和改进的静电处理等高级功能，提升了机器学习原子间势的效率、可扩展性和灵活性。
本文介绍了 PASPT2，这是一种新颖的部分活性空间多态多参考二阶微扰理论，它通过采用一种专门的参考态特定零阶哈密顿量来消除其母体耦合簇理论中存在的非连通项，从而为强关联体系实现了严格的尺寸广延性和尺寸一致性。
DynaMate2 是一个开源的层级化智能体框架，它通过允许研究人员轻松将其现有的专家定义的 Python 工具转换为可由 AI 调用的组件，而无需大语言模型生成科学代码，从而实现了 AI 驱动的科学工作流的民主化，进而降低了计算化学等领域的自动化门槛。
本文提出了一种利用熵度量与J散度来评估和基准化各种物理情境下原子与分子电子密度的信息论框架，为选择最优参考行列式及指导新密度泛函的开发提供了见解。
本文提出了一种用于泵浦 - 探测光谱的微观建模框架，该框架能够提取分子极化激元的空间分辨输运特性，揭示了分子退相干和暗激子布居如何驱动亚群速度输运以及极化激元色散中的速度重整化。
本章提出了一种基于统一描述符的框架，用于将低价第 13 族片段（Al(I)、Ga(I)、In(I)）作为中性 L 型金属配体应用于过渡金属，通过对比其可调控的供体 - 受体性质与合成可及性同 Tl(I) 有限的 L 型行为，以指导用于小分子活化与协同催化的异金属平台的理性设计。
本文介绍了 SCULPT，这是一个交互式基于网络的机器学习平台，它利用 UMAP 和自适应置信度评分等先进技术来分析来自 COLTRIMS 实验的高维多粒子符合数据，从而促进原子和分子物理中稀有事件及相关性的有效发现。