What is the diatomic molecule with the largest dipole moment?
本文介绍了一种被简化为解析表达式的机器学习模型,该模型仅利用原子性质预测双原子分子的电偶极矩,从而筛选出具有最大偶极矩的分子并揭示潜在的化学趋势。
785 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。
本文介绍了一种被简化为解析表达式的机器学习模型,该模型仅利用原子性质预测双原子分子的电偶极矩,从而筛选出具有最大偶极矩的分子并揭示潜在的化学趋势。
本文表明,单个量子发射体的非线性光学特性(如拉曼特征)可通过发射体间的相互作用在耦合发射体阵列的线性光谱中显现,揭示了一种超越经典平均场描述、且无需谐振腔或特定对称性的普适量子光学效应。
本研究证明,动作探测二维电子光谱(A-2DES)能够有效探测蓝细菌光合蛋白中的能量转移动力学,通过揭示慢激子湮灭会改变预期的 1/N 灵敏度标度关系,从而克服了以往的限制,进而验证了 A-2DES 是研究大聚集体中激子扩散的可靠工具。
本文提出了一种求解含时薛定谔方程的新方法,该方法将玻姆轨迹建模为自洽归一化流,其中神经网络学习得分函数以恢复无节点波函数的量子动力学。
这一概念性工作通过展示如何从外部势空间将能量泛函及其基于密度的响应导数拉回至核构型空间,从而导出了玻恩 - 奥本海默能量面、力以及核海森矩阵,进而建立了连接力场与密度泛函理论的统一导数层级。
本研究证明,基于密度泛函紧束缚的玻恩-奥本海默分子动力学能够准确捕捉细菌叶绿素分子中由缓慢分子内振动和蛋白质涨落共同产生的低频谱密度特征,其在多种捕光复合物中的表现优于经典力场和简正模式分析。
本文通过缩放自旋轨道耦合,研究了一种用于模拟超快非绝热过程的加速表面跳跃方案,表明尽管机器学习模型能够准确预测势能面和耦合以降低计算成本,但最终外推的时间常数仍对拟合参数高度敏感,从而凸显了该增强方法中机器学习提升可靠性的潜力及其当前的局限性。
本综述批判性地评估了人工智能驱动的多尺度燃烧代理模型的最新进展,比较了从化学动力学到发动机系统等不同尺度下的各类学习方法,同时强调了可迁移性和外推误差等关键挑战,并指出了开发可靠且基于物理框架的未来机遇。
本文通过分子动力学模拟和量子速率理论,阐明了溶剂极性通过介电稳定化电荷转移中间体,进而影响BODIPY类有机光敏剂三线态产率的复杂动力学机制。
这项研究通过计算机模拟二维醇类二元混合物发现,受电荷有序性的影响,长短链醇混合物表现出不同于三维体系的良好混溶性,且理想混合与微相分离在极性端聚合体中存在竞争,其长程关联呈现出非自平均特性。