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。

Hybrid Atomistic-Parametric Decoherence Model for Molecular Spin Qubits

本文提出了一种结合分子动力学模拟与随机哈密顿量的混合原子 - 参数退相干模型,通过引入晶格核自旋噪声修正了铜卟啉分子自旋量子比特弛豫时间的理论预测,成功实现了与实验数据的全场定量吻合,并揭示了不同机制主导下的弛豫与退相干标度律。

Katy Aruachan, Sanoj Raj, Yamil J. Colón, Daniel Aravena, Felipe Herrera2026-04-01⚛️ quant-ph

Effect of uniaxial compressive stress on polarization switching and domain wall formation in tetragonal phase BaTiO3 via machine learning potential

该研究利用机器学习势函数揭示了单轴压应力对四方相 BaTiO₃ 极化翻转和畴壁演化的影响,发现约 120 MPa 为 90 度极化翻转的临界应力,且应力增加会降低剩余极化和矫顽场并诱导双电滞回线,从而为应力调控铁电器件设计提供了原子尺度见解。

Po-Yen Chen, Teruyasu Mizoguchi2026-04-01🔬 physics

The roles of bulk and surface thermodynamics in the selective adsorption of a confined azeotropic mixture

该研究利用结合神经网络的经典密度泛函理论,揭示了受限共沸混合物中当壁面 - 流体相互作用相同时,吸附选择性会在体相共沸组成处消失(即出现零相对吸附点),并发现该现象与等温压缩系数的极值及界面自由能的极值密切相关,且即使在超临界区也依然成立。

Katie L. Y. Zhou, Anna T. Bui, Stephen J. Cox2026-04-01🔬 cond-mat

Faster Molecular Dynamics with Neural Network Potentials via Distilled Multiple Time-Stepping and Non-Conservative Forces

本文提出了一种名为 DMTS-NC 的新方法,通过结合蒸馏多时间步策略与非保守力,在无需微调的情况下显著提升了基于基础神经网络势函数(如 FeNNix-Bio1 和 MACE-OFF23)的分子动力学模拟的稳定性与效率,实现了高达 15-30% 的额外加速,并可将最大时间步长扩展至 10 飞秒。

Nicolaï Gouraud, Côme Cattin, Thomas Plé, Olivier Adjoua, Louis Lagardère, Jean-Philip Piquemal2026-04-01🔬 physics