Response of fluorescent molecular rotors in ternary macromolecular mixtures
该研究通过考察荧光分子转子在不同分子量聚乙二醇二元及三元混合水溶液中的响应，揭示了荧光寿命与组分比例间的线性混合规律，并据此对自由体积理论在微粘度探测中的适用性进行了更精确的评估与探讨。
🔬 Category
physics.chem-ph
972 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。
Model density approach to Ewald summations
本文提出了一种通过引入模型电荷密度以抵消晶格电荷分布多极矩的埃瓦尔德求和方法，该方法适用于各类周期性体系并显著加速了收敛速度，同时澄清了 CRYSTAL 代码中沿用数十年的实现细节。
El Agente Estructural: An Artificially Intelligent Molecular Editor
本文介绍了"El Agente Estructural"，这是一种由视觉语言模型与领域专用工具驱动的 multimodal 智能体，它能够像人类专家一样直接在三维空间中精确操纵分子几何结构（如官能团替换、立体化学控制等），从而在无需重建核心框架的情况下实现化学意义明确的分子建模与编辑。
A critical assessment of bonding descriptors for predicting materials properties
该研究通过扩展包含约 13,000 种材料的量子化学成键数据库并构建新的成键描述符，系统评估表明将其融入机器学习模型不仅能显著提升弹性、振动及热力学等性质的预测精度，还能辅助发现如投影力常数和晶格热导率等性质的直观表达式。
Spin-orbital entanglement in Cr-doped glasses
该研究建立了一种从光学测量重构掺铬玻璃中 Cr³⁺离子自旋轨道纠缠态的框架，并通过实验证实了自旋轨道耦合与晶体场强度的比值与自旋轨道冯·诺依曼熵之间存在稳健的线性相关性，从而揭示了相对论效应与局部对称性竞争对 3d 电子态信息含量的调控机制。
UBio-MolFM: A Universal Molecular Foundation Model for Bio-Systems
UBio-MolFM 通过构建大规模生物专用数据集、提出线性扩展等变 Transformer 架构 E2Former-V2 以及采用三阶段课程学习策略，成功弥合了量子力学精度与生物系统尺度之间的鸿沟，实现了在大型生物分子系统中兼具从头算级精度与高推理效率的通用分子基础模型。
Molecular g-Tensors From Spin-Orbit Quasidegenerate N-electron Valence Perturbation Theory: Benchmarks, Intruder-State Mitigation, and Practical Guidelines
本文开发并基准测试了自旋轨道准简并 N 电子价态微扰理论（SO-QDNEVPT2）用于计算分子 g 张量，通过对比两种理论方案、解决内鬼态不稳定性问题以及分析关键计算参数，确立了该方法在处理含强关联和相对论效应的开壳层分子时的鲁棒性并提供了实用指导。
Rigorous Quantum Thermodynamics from Entropic Path Integral Coarse-Graining
本文提出了基于熵路径积分粗粒化（EPIGS）的框架，通过训练可转移的有效势并结合瞬子自由能微扰方案，在接近经典模拟的计算成本下实现了复杂体系（如液态水）的严格量子热力学模拟，能够高精度复现量子自由能与焓值。
Learning noisy phase transition dynamics from stochastic partial differential equations
该论文提出了一种基于通量参数化的物理感知机器学习代理模型，用于求解三维随机 Cahn-Hilliard 方程，该模型通过显式引入随机性并严格保证质量守恒与热力学可解释性，成功复现了确定性模型无法捕捉的热激活成核等关键非平衡相变动力学特征，并展现出卓越的时空泛化能力。
Heterogeneous Molecular Signatures of Human Odor Perception
该研究利用可解释的机器学习模型分析发现，人类嗅觉感知并非由单一分子特征主导，而是呈现出高度异质性的模式，不同气味依赖独特的物理化学属性组合，从而否定了通用的编码机制并支持受体与气味依赖的构效关系。