Local thermal probe in a one-dimensional chain: An efficient dissipaton-based approach
本文提出了一种基于耗散子代数的非微扰、非马尔可夫量子方法，用于研究一维分子链中局部耦合探针的热输运特性，并通过数值模拟揭示了温度、频率及高阶耦合等因素对热流的影响。
🔬 Category
physics.chem-ph
985 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。
Quantum Sensing with Triplet Pair States: A Theoretical Study
该研究通过理论模拟证明，基于五聚体二聚体单重态裂分产生的自旋极化五重态系综，在检测小核自旋系综时具有比传统单体更优的相互作用截面，为利用高自旋多激子态作为化学可调的高灵敏度量子探针奠定了理论基础。
Investigating the Electrochemical Double Layer with Quantum-Chemical Simulations and Implicit Solvation Models
该研究评估了介电一致参考相互作用位点模型（DRISM）在模拟电化学双电层中的表现，发现默认混合规则会导致钠离子过度聚集，而采用成对特定的金属 - 离子参数则能显著改善模型的准确性并实现更对称的充电行为。
Short-lived memory in multidimensional spectra encodes full signal evolution
该论文提出了一种名为谱广义主方程（GME）的新方法，能够利用短等待时间的二维光谱数据精确重构任意等待时间的完整演化过程，从而显著降低实验成本、消除统计噪声，并推动了对脆弱复杂材料及异质环境中激发动力学的研究。
Gap edge eigenpairs from density matrix purification using moments of the Dirac distribution
本文提出了一种仅利用准纯化单粒子密度矩阵，通过分解占据数方差并应用幂次压缩迭代来高效、鲁棒地提取电子能谱带隙边缘本征态（包括简并情况）的简便方法。
TDSCF: Time-Dependent Density Functional Theory with a Non-Aufbau Reference for near-degenerate states
该论文提出了一种名为 TDSCF 的新型线性响应方案，通过以非 Aufbau 态为参考进行含时密度泛函理论计算，有效解决了近简并电子结构（如双自由基和键解离）中单参考 DFT 面临的挑战，在降低泛函依赖性并改善单重态描述的同时，也揭示了其高估单重态能量及在特定参考态下精度受限的局限性。
Negative Electronic Friction and Non-Markovianity in Nonequilibrium Systems
该论文研究了非平衡条件下分子与金属表面相互作用中负电子摩擦与非马尔可夫效应的关联，并通过数值模拟证实了非马尔可夫贡献对非平衡动力学及朗之万方程稳定性具有显著影响。
GPU acceleration of ab initio simulations of large-scale identical particles based on path integral molecular dynamics
本文开发了一个不依赖第三方库的开源 GPU 加速路径积分分子动力学（PIMD）代码，显著提升了大规模全同粒子（如玻色子和费米子）从头算模拟的效率，使得在单张 GPU 上模拟数万个粒子成为可能，并有效克服了费米子符号问题。
Time-reversible implementation of MASH for efficient nonadiabatic molecular dynamics
本文提出了一种基于确定性运动方程的时间可逆 MASH 算法，通过引入分段连续积分器将全局误差从一阶提升至二阶，从而在模拟非绝热分子动力学时实现了比随机性表面跳跃方法更高的计算效率和精度。
Pressure-Induced Structural and Dielectric Changes in Liquid Water at Room Temperature
本研究利用基于密度泛函理论训练的深度学习模型，揭示了室温下液态水的静态介电常数随压力升高而非线性增加，而 Kirkwood 相关因子却因氢键网络四面体结构畸变导致偶极关联减弱而下降。