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。

Transferable FB-GNN-MBE Framework for Potential Energy Surfaces: Data-Adaptive Transfer Learning in Deep Learned Many-Body Expansion Theory

该研究提出了一种结合片段图神经网络与多体展开理论的 FB-GNN-MBE 框架,并通过教师 - 学生蒸馏策略实现了迁移学习,从而能够以低数据需求和计算成本,高效且准确地预测水、苯酚及其混合体系的大规模分子势能面。

Siqi Chen, Zhiqiang Wang, Yili Shen, Xianqi Deng, Xi Cheng, Cheng-Wei Ju, Jun Yi, Guo Ling, Dieaa Alhmoud, Hui Guan, Zhou Lin2026-04-13🔬 physics

Quantum Many-Body Simulations of Catalytic Metal Surfaces

该论文提出了名为 FEMION 的系统可改进量子嵌入框架,通过结合辅助场量子蒙特卡洛与全局随机相位近似,成功解决了金属表面催化模拟中精度与成本的矛盾,并解决了铜表面 CO 吸附位点、H₂脱附势垒及单原子催化 10 电子规则等长期争议问题。

Changsu Cao, Hung Q. Pham, Zhen Guo, Yutan Zhang, Zigeng Huang, Xuelan Wen, Ji Chen, Dingshun Lv2026-04-10🔬 cond-mat.mtrl-sci

Numerically exact quantum dynamics with tensor networks: Predicting the decoherence of interacting spin systems

该论文提出了一种基于矩阵乘积态表示的数值精确且可扩展的量子动力学方法,能够准确预测从分子磁体到固态半导体中相互作用自旋系统的退相干机制及光脉冲调控下的自旋动力学,从而为新型量子器件的设计与退相干机理研究提供了可靠指导。

Tianchu Li, Pranay Venkatesh, Nanako Shitara, Andrés Montoya-Castillo2026-04-10⚛️ quant-ph

Transition Metal Dichalcogenide MoS2{}_2: oxygen and fluorine functionalization for selective plasma processing

该研究通过第一性原理分子动力学模拟证明,利用氧和氟功能化可显著降低二硫化钼中硫原子的溅射能量阈值,从而在低温等离子体加工中实现选择性去除硫而保留金属晶格,为过渡金属二硫族化合物的可控处理提供了关键参数。

Yury Polyachenko, Yuri Barsukov, Shoaib Khalid, Igor Kaganovich2026-04-10🔬 cond-mat.mes-hall