Hybrid quantum-classical systems: statistics, entropy, microcanonical ensemble and its connection to the canonical ensemble
该论文详细构建了一个混合经典 - 量子系统的统计系综数学框架,通过最大熵原理推导并分析了其微正则系综的性质,证明了该系统能将经典系统的连续能量特性引入量子领域,并阐明了其与正则系综的关联。
150 篇论文
该论文详细构建了一个混合经典 - 量子系统的统计系综数学框架,通过最大熵原理推导并分析了其微正则系综的性质,证明了该系统能将经典系统的连续能量特性引入量子领域,并阐明了其与正则系综的关联。
本文提出了 NMIRacle,这是一种结合红外和核磁共振光谱数据的双阶段生成式框架,通过从片段表征学习结构重建并利用光谱嵌入微调生成器,实现了比现有基线更准确且稳健的分子结构解析。
该论文设计并表征了一种能够产生任意低角加速度的“超慢光离心器”,通过非线性互相关技术验证了其旋转频率的宽范围可调性,并成功演示了其在二硫化碳分子束及粘性介质中控制分子旋转的应用潜力。
该论文提出了一种基于 Cholesky 分解的压缩算法(CBC),用于高效地将树张量网络算符作用于树张量网络态,该方法在基准测试中运行速度比现有主流方法快至少一个数量级,并在树状电路模拟中展现出优于线性结构的精度与鲁棒性。
该论文指出,Di Liu 等人(2025 年)利用 i-DMFT 方法对氢卤化物(HF、HCl、HBr)进行的从头算研究,在平衡位置附近未能定量复现玻恩 - 奥本海默近似结果,且在长程范德华区域给出了违背多极展开的定性错误预测,从而揭示了该方法的显著不准确之处。
本文通过半经典路径积分方法扩展了双势阱分析至具有四个简并极小值的四次势系统,识别了多种瞬子构型并推导了能级分裂,同时验证了数值结果并揭示了离散对称性向连续对称性“熔化”的临界耦合机制。
该研究通过扩展定域内禀键轨道(IBOs)方法,结合高精度的含时密度矩阵重正化群(TDDMRG)模拟,将复杂的关联电荷迁移动力学映射为化学概念(如弯箭头和轨道相互作用),从而揭示了不同机制下空穴形状转换的规律并指导了高效电荷迁移分子的设计。
该论文提出了一种基于功率 - 齐纳 - 伍利哈密顿量和最大局域化 Wannier 函数的通用理论框架,能够在不进行多极展开截断的情况下,以标准偶极近似计算的同等成本,精确模拟扩展体系中超越电偶极近似的光与物质相互作用,并揭示了偶极近似在不同维度和照明条件下的适用范围及其局限性。
本文提出了名为 Geo-ADAPT-VQE 的几何感知变分量子本征求解器算法,该算法利用自然梯度规则从算子池中选择算子以构建适应度,从而克服传统方法仅依赖一阶梯度的局限,在量子化学模拟中实现了更快的收敛速度、更稳定的优化过程以及显著缩短的电路深度。
本文提出了一种基于映射的两步框架,通过将详细化学动力学的不确定性投影到降维流形上,实现了在计算成本可控的前提下对复杂燃烧装置中反应流场进行空间分辨且物理可解释的量化不确定性分析。
该论文在电偶极近似下,利用量子力学推导了各向同性色散介质中爱因斯坦系数谱与偶极强度谱之间的广义爱因斯坦关系,揭示了平衡态下正向与反向跃迁谱线间的斯托克斯位移,并建立了包含折射率、介电常数及局域场效应但不依赖折射率导数的普适公式。
该研究提出了一种基于原子平均内势(AMIP)这一基本量子力学性质的全新电负性标度,该标度不仅与现有标度高度吻合并能准确分类化学键类型,还在预测路易斯酸强度及γ射线湮灭谱宽等化学性质方面展现出超越以往方法的卓越预测能力。
该研究基于高精度 MRCI+Q/aug-cc-pVQZ 势能面,通过复现核方法对 O(³P) + O₂(³Σ_g⁻) 反应动力学进行了定量表征,发现尽管原子交换反应的绝对速率因忽略量子效应而低于实验值,但其温度依赖性及同位素效应与实验吻合,且原子化反应速率较以往小基组计算有了显著改善。
该研究利用量子逻辑光谱技术,首次实现了对单氮分子离子(N)中电四极禁戒振动 - 转动能级的搜索、观测及相干操控,为精密分子光谱、分子量子比特、红外分子钟及新物理搜寻开辟了新途径。
该论文提出了一种名为变分自适应高斯分解(VAGD)的无求积变分框架,利用神经网络优化高斯波包参数以最大化与演化波函数的重叠,从而为时间切片解冻高斯近似(TGA)模拟提供了一条可扩展的、能系统性收敛至全量子力学结果的途径。
该研究通过路径积分分子动力学(PIMD)模拟揭示了核量子效应对 TATB 晶体热分解的关键作用,发现其能加速涉及氢转移的初始反应步骤并降低约 8% 的活化能,同时指出量子热浴(QTB)方法在此类多步凝聚态反应中显著高估了量子加速效应。
该论文提出了一种统一的贝叶斯优化框架,利用高斯过程回归及多种扩展技术(如最优传输、变分正则化和自适应信任半径),通过单一六步代理循环高效加速势能面上极小值点、单点及双端鞍点的搜索,并辅以 Rust 代码实现以验证其在高维系统中的可扩展性与实用性。
本文提出了 FragFM,一种基于片段级离散流匹配的层次化分子生成框架,通过结合粗粒度到细粒度的自编码器与随机片段包策略,实现了高效、可扩展且具备优异属性控制能力的分子生成,并引入了针对天然产物生成的 NPGen 基准以验证其在药物发现中的优越性能。
该论文提出了一种名为 LOREM 的图神经网络架构,通过引入等变电荷进行长程消息传递,有效解决了现有截断图方法难以捕捉静电、色散及电子离域等长程物理效应的局限,并在无需针对特定数据集调整超参数的情况下实现了卓越的基准性能。
该论文提出了一种基于数据驱动的结构保持(辛且时间可逆)映射来学习机械作用量的方法,从而在分子动力学模拟中实现大时间步长积分,有效消除了非结构保持机器学习预测器导致的能量不守恒等病理行为,并具备在不同热力学条件和化学组分间迁移的能力。