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。

CHAOS -- A Consistent Large-scale Database for Sigma-Profiles and Other Molecular Descriptors

本文介绍了名为 CHAOS 的大规模、内部一致且免费开放的数据库,该数据库基于统一的 wB97X-D/def2-TZVP 量子化学工作流,为 53,091 种分子提供了 sigma 分布曲线及其他多种量子化学描述符,显著扩展了现有公开数据规模,为分子与热力学性质的建模研究奠定了坚实基础。

Dominik Gond, Justus Arweiler, Thomas Specht, Hans Hasse, Fabian Jirasek2026-04-13🔬 physics

On-the-Fly Cavity-Molecular Dynamics of Vibrational Polaritons

本文提出了一种结合密度泛函紧束缚方法与光 - 物质哈密顿量的并行化“即时”模拟方案(CavOTF),用于研究 Fabry-Pérot 腔内振动极化激元的动力学,并发现虽可用计算成本更低的 Mulliken 电荷替代 Born 电荷以获得定性准确的线性光谱,但该近似会导致非平衡过程(如能量传输或化学反应)中出现虚假加热,因此需谨慎应用。

Sachith Wickramasinghe, Amirhosein Amini, Arkajit Mandal2026-04-13🔬 cond-mat.mes-hall

Active Learning for Generalizable Detonation Performance Prediction of Energetic Materials

该研究提出了一种结合密度泛函理论、热化学模型、消息传递神经网络和贝叶斯优化的主动学习策略,成功构建了包含超 700 亿候选分子中筛选出的最大规模含能材料数据库及高泛化性预测模型,不仅实现了对爆轰性能的高精度预测(R² > 0.98),还揭示了氧平衡等关键特征对性能的主导作用,为新型含能材料的高效筛选与定向发现奠定了坚实基础。

R. Seaton Ullberg, Megan C. Davis, Jeremy N. Schroeder, Andrew H. Salij, M. J. Cawkwell, Christopher J. Snyder, Wilton J. M. Kort-Kamp, Ivana Matanovic2026-04-13🔬 physics

Cryogenic hydrogen embrittlement of 316plus (EN 1.4420) stainless steel at 77 K and 20 K

该研究首次表征了新型奥氏体不锈钢 316plus(EN 1.4420)在液氢温区(77 K 和 20 K)的氢脆行为,发现尽管氢导致其延展性显著下降(约 40-50%)并在 20 K 下轻微抑制强度,但该材料仍保持了优于传统 316L 的低温强度及约 30% 的断面收缩率,展现出作为液氢储罐材料的潜力。

W. Li, A. Zafra, L. Armendariz, Z. Wang, W. Bailey, E. Martinez-Pañeda2026-04-13🔬 physics.app-ph

Experimental proof of strong Π\Pi-Σ\Sigma mixing in the Renner-Teller and Pseudo-Jahn-Teller affected CCH+^+ (3Π^3\Pi) ion

该研究利用漏出光谱技术记录了乙炔基阳离子(CCH+^+)的宽带振动光谱,通过三态 diabatic 模型证实了3Π^3\Pi3Σ^3\Sigma^-态之间存在极强的 Renner-Teller 及伪 Jahn-Teller 耦合效应,其耦合强度足以在零点振动下破坏该离子的振动电子结构。

Kim Steenbakkers, P. Bryan Changala, Weslley G. D. P. Silva, John F. Stanton, Filippo Lipparini, Jürgen Gauss, Oskar Asvany, Gerrit C. Groenenboom, Britta Redlich, Stephan Schlemmer, Sandra Brünke (…)2026-04-13🔬 physics

Linking Calendar and Cycle Ageing in Lithium-Ion Batteries through Consistent Parameterisation of an Electrochemical-Thermal-Degradation Model

该研究利用 PyBaMM 构建并参数化了一个电化学 - 热 - 退化耦合模型,通过系统分析 81 种不同工况(温度、倍率、静置荷电状态和放电深度)下的数据,成功预测了 NMC 锂离子电池在日历老化与循环老化共同作用下的容量衰减轨迹、剩余寿命及内部退化机制。

Ganesh Madabattula2026-04-13🔬 cond-mat.mtrl-sci