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。

Valence and Rydberg excited state bond dissociation curves of CO2 from orbital-optimized density functional calculations

该研究利用轨道优化密度泛函理论计算了 CO₂ 分子的价态及里德堡激发态解离曲线,结果表明该方法在计算成本较低的同时,其精度显著优于传统的线性响应含时密度泛函理论,为模拟星际介质中 CO₂ 的光弛豫过程提供了有效途径。

Darío Barreiro-Lage, Gianluca Levi, Hannes Jonssón, Thanja Lamberts2026-04-08🔬 physics

Probing of Core Excitons in Solid NaF with Polarization-Selective Attosecond Time-Resolved Four-Wave Mixing Spectroscopy

该研究利用偏振选择性的阿秒四波混频光谱技术,成功解析了氟化钠固体中核心激子的超快退相干过程,揭示了其受强激子 - 声子耦合主导的极快退相干特性,并确定了亮激子与暗激子分别具有 s 型和 p 型轨道角动量。

Kevin Gulu Xiong, Rafael Quintero-Bermudez, Vincent Eggers, Hugo Laurell, Melody Wu, Stephen R. Leone2026-04-08🔬 physics.optics

Assessing the impact of nodal surface optimization in fixed-node diffusion Monte Carlo on non-covalent interactions

该研究评估了采用自然轨道反对称化对偶幂(AGP)波函数优化节点表面对固定节点扩散蒙特卡洛(DMC)计算非共价相互作用的影响,发现该方法显著改善了氢键体系的预测精度并使其与 CCSD(T) 结果更吻合,但对色散主导体系的影响微乎其微。

Kousuke Nakano, Benjamin X. Shi, Dario Alfè, Andrea Zen2026-04-07🔬 physics

Neural-network quantum states for solving few-body problems: application to Efimov physics

该论文将神经网络量子态方法扩展至连续空间中的强相互作用少体问题,通过结合全连接前馈神经网络与雅可比坐标及投影技术,成功计算并验证了从三体到六体玻色系统以及质量不平衡费米系统的基态与激发态能量,准确复现了埃菲莫夫态的离散标度不变性、波函数几何结构及临界质量行为等关键特征。

Sora Yokoi, Shimpei Endo, Hiroki Saito2026-04-07⚛️ nucl-th