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。
978 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。
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。
本文通过从小分子到蛋白质的具体案例,展示了利用容错量子计算机模拟零场至超低场核磁共振谱的可行性,并论证了该方法在早期容错架构上的应用潜力。
该论文提出了一种基于树状结构表示和 Transformer 传播器的通用框架,通过将蛋白质动力学建模为随机微分方程,实现了在保持亚埃级重构精度和统计一致性的同时,将大规模蛋白质动力学模拟速度提升 1 万至 2 万倍。
该研究通过构建低键维稀疏矩阵乘积算符、利用基态纠缠结构优化矩阵乘积态表示以及调节非变分参数等三项技术突破,成功将跨相关密度矩阵重整化群方法扩展至格点的二维费米 - 哈伯德模型,显著降低了基态能量计算误差并大幅提升了计算效率。
该论文针对闭壳层双电子体系,在基组极限下利用拉格朗日形式和牛顿优化方案,通过多小波离散化将多组态自洽场(MCSCF)方法简化为可迭代求解的微分牛顿系统,从而同时优化轨道与组态展开系数。
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。
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。
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。
该研究开发了一种基于卷积神经网络的分类器,通过分析3D体素网格将实验合成的沸石与计算预测的沸石状结构区分开来,其准确率远超以往方法,并能有效识别具有合成潜力的假想结构。
该论文将随机相位近似(RPA)与简化耦合簇双激发(CCD)模型在基态关联能上的等价性推广至腔量子电动力学(QED)体系,并数值验证了 QED-RPA 与包含双电子激发、单电子激发/单光子产生及双光子产生贡献的 QED 环状 CCD 模型之间的数值一致性。