physics.chem-ph 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。

本文提出了一种结合原子轨道基组与有限元网格的 Delta-Sternheimer 方法，实现了多原子分子全电子随机相位近似（RPA）相关能的任意精度计算，从而直接获得完备基组极限结果并消除了对传统外推方案的依赖。

本文提出了一种基于随机模型的高效解析时间域表达式，用于描述色谱峰形并直接拟合物理参数，该模型通过整合轴向扩散、初始方差及快慢两种保留机制，在拟合精度上优于现有函数，并揭示了异质性在特定条件下反而能减少峰拖尾的机理。

该研究表明，在大规模数据集上训练时，解除物理约束的机器学习原子间势模型在精度和效率上可超越传统受约束模型，且通过推理时的简单修正即可恢复物理对称性，从而在几何优化和晶格动力学等实际应用中具有可靠性和优势。

本文利用基于高精度从头算势函数的路径积分蒙特卡洛方法，在 10 至 5000 K 温度范围内从第一性原理出发计算了氖的第三和第四密度及声速维里系数，并严格推导了误差范围，其结果的不确定性显著低于现有实验数据。

本文提出了 KANEL 集成学习框架，通过结合可解释的 Kolmogorov-Arnold 网络与多种机器学习模型及互补分子描述符，显著提升了虚拟筛选中基于早期富集指标（如 PPV@N）的活性化合物命中率。

本文提出了名为 ASTRA 的新方法，利用引导扩散模型将过渡态搜索重构为推理时的缩放问题，通过结合条件得分与物理力，无需先验假设即可高精度地定位复杂分子系统中的过渡态并发现多种反应路径。

该研究通过 3D 原子力显微镜实验与分子动力学模拟，发现并验证了界面液体结构的“叠加原理”，提出了基于有效总相关函数的固液叠加（SLS）模型，成功实现了从原子尺度到近微米尺度任意形貌固体表面液体结构的快速准确预测。

本文综述了利用密度泛函理论、分子动力学及机器学习势等计算模型，深入解析质子交换膜燃料电池中多种降解机制的原子分子机理及其强耦合反馈回路，并提出了结合多尺度建模与机器学习界面的未来研究方向。

本文证实，先前发展的虚时多电子态路径积分（MES-PI）表述能够自然地捕捉由锥形交叉引起的几何相位效应，并利用一种人为的排除几何相位构造作为对比基准，量化了该效应对低温热力学性质的影响。

该研究结合非接触原子力显微镜与密度泛函理论计算，揭示了未重构的 $\alpha$ -Al $_{2}$ O $_{3}$ (0001) 表面并非普遍假设的原子级平整均匀结构，而是呈现内在的粗糙与无序状态，仅存在纳米尺度的有序区域，从而挑战了现有的原子模型并调和了相互矛盾的实验观测。

physics.chem-ph