A recipe for scalable attention-based MLIPs: unlocking long-range accuracy with all-to-all node attention
本文提出了名为 AllScAIP 的可扩展注意力机制机器学习势函数，通过引入全连接节点注意力组件以数据驱动方式有效捕捉长程相互作用，在无需显式物理项的情况下实现了分子、材料及催化体系的高精度预测与稳定长时程分子动力学模拟。
🔬 Category
physics.chem-ph
155 篇论文
Approximate normalizations for approximate density functionals
该论文通过一维推导、维数外推及具体算例证明，在近似密度泛函计算中故意违背电子数归一化原则，反而能显著提高能量计算的准确性。
Reducing the Cost of Energy Differences in Variational Monte Carlo with Spotlight Sampling
该论文提出了一种受侧链和嵌入方法启发的“聚光灯采样”方案，通过采用近似碎片化哈密顿量和相关采样，将变分蒙特卡洛方法在预测局部化学变化能量差时的计算成本从传统标度降低至近乎线性甚至亚线性水平。
A reduced-cost third-order algebraic diagrammatic construction based on state-specific frozen natural orbitals: Application to the electron-attachment problem
本文提出了一种基于态特定冻结自然轨道的低价非 Dyson 三阶代数图构（ADC）方法，通过密度拟合和截断自然辅助函数显著降低了电子附着问题的计算成本，在保持可控精度的同时成功处理了传统局域近似方法失效的非价态相关束缚阴离子体系。
The Spin-MInt Algorithm: an Accurate and Symplectic Propagator for the Spin-Mapping Representation of Nonadiabatic Dynamics
本文提出了一种名为 Spin-MInt 的新型算法，该算法是首个直接对自旋映射变量进行传播的辛算法，能够严格保持几何结构，并在计算效率和精度上优于现有的 MInt 算法及其他角度基算法。
Casimir effect with dielectric matter in salted water and implications at the cell scale
该论文指出，在含盐水中，电磁涨落产生的普适性贡献使卡西米尔作用力比预期具有更长的作用范围，并在细胞内肌动蛋白纤维等生物尺度上占据主导地位，从而对细胞层面的物理过程产生重要影响。
Rapid Dissipative Ground State Preparation at Chemical Transition States
该论文提出了一种利用反应路径作为计算原语、结合轨道旋转与耗散冷却的协议，能够以的复杂度高效制备强关联化学过渡态的基态，并展示了其在 FeMoco 等复杂催化体系中的资源估算优势。
Hybrid Quantum-Classical Encoding for Accurate Residue-Level pKa Prediction
本文提出了一种结合高斯核量子特征映射与经典结构描述符的混合量子 - 经典框架，通过深度量子神经网络显著提升了残基级 pKa 预测的准确性、跨语境泛化能力及实验可迁移性。
Matlantis-PFP v8: Universal Machine Learning Interatomic Potential with Better Experimental Agreements via r2SCAN Functional
本文介绍了 Matlantis-PFP v8，这是一种通过基于 r2SCAN 泛函而非传统 PBE 泛函进行训练而实现的通用机器学习原子间势，它在无需领域特定微调的情况下，显著提升了晶体、分子和表面等多样化学体系与实验数据的一致性，并将熔点预测误差较 PBE 模型降低了一半。
Micropatterning photopolymerizable hydrogels for diffusion studies using pillar arrays or photomasks
本文介绍了两种用于扩散研究的芯片上光聚合水凝胶微图案化平台：一种利用微柱阵列控制流体并实现局部聚合，另一种采用镀铂 PMMA 光掩模进行图案化，旨在通过优化 PEGDA-PEG 水凝胶的微图案化与扩散性能，为分子传输、生物传感及电子器件等领域的应用奠定基础。
Pattern stability in reaction-diffusion systems depends on path entropy
该论文提出了一种非平衡瞬子框架，揭示了在有限粒子数下，路径熵通过增加逃逸率成为决定反应 - 扩散系统中亚稳态模式稳定性的关键组织原则。
Why ice is so slippery
该研究通过结合第一性原理纳米模拟与摩擦生热模型，证实冰的极度滑溜性主要源于摩擦生热导致接触面温度急剧升高至熔点附近，从而修正了仅靠纳米模拟无法准确预测摩擦系数的局限，并支持了 1939 年关于摩擦生热机制的早期假设。
ChemFit: A concurrent framework for model parametrization
本文介绍了 ChemFit，这是一个灵活的 Python 框架，旨在通过提供对异构目标项、文件与内存数据评估以及并发控制的抽象，解决计算化学与物理中昂贵、噪声大且不可微的模拟参数优化难题，从而实现可扩展、可复现且与优化器无关的参数拟合。
Accurate prediction of inverted singlet-triplet excited states using self-consistent spin-opposite perturbation theory
该研究评估并证实了自洽自旋相反微扰理论（O2BMP2）能够以的计算复杂度，在保持与高精度方法（如ADC(3)和EOM-CCSD）相当精度的同时，高效预测反常单重态 - 三重态能隙，从而为下一代有机发光二极管材料的筛选提供了理想的计算工具。
Accurate prediction of K-edge excitation energies using state-specific self-consistent perturbation theory
本文提出了一种基于态特异性自洽微扰理论（OBMP2）的SCF方法，通过引入包含双激发MP2振幅的有效单粒子关联势来优化轨道，从而在闭壳层和开壳层体系中实现了比DFT及EOM-CCSD等现有方法更准确的K边激发能预测。
Thermodynamic Descriptors from Molecular Dynamics as Machine Learning Features for Extrapolable Property Prediction
该研究提出了一种结合分子动力学模拟热力学描述符与机器学习（CatBoost）的物理增强框架，成功克服了传统结构基模型在预测训练域外（如无机物、盐类及含特殊元素分子）物质正常沸点时的泛化瓶颈，实现了可控误差的外推预测。
Compactifying the Electronic Wavefunction II: Quantum Estimators for Spin-Coupled Generalized Valence Bond Wavefunctions
本文提出了一种无需辅助量子比特和受控操作的浅层量子测量框架，通过将自旋耦合广义价键（SCGVB）波函数中的重叠与哈密顿矩阵元计算转化为局域泡利算符的真空期望值，实现了在近期量子硬件上对非正交价键方法的高效评估。
Note on a rigorous derivation of self-consistent double-hybrid functional theory via generalized Kohn-Sham theory and cumulant approximation
本文通过结合广义 Kohn-Sham 形式与单粒子二阶微扰理论，严格推导了一种无需优化有效势即可实现完全自洽的新型单粒子双杂化密度泛函理论，从而解决了传统双杂化泛函中微扰相关能非自洽处理的根本性理论缺陷。
Raman relaxation in Yb(III) molecular qubits: non-trivial correlations between spin-phonon coupling and molecular structure
该研究通过全从头算方法揭示了 Yb(III) 分子量子比特中自旋 - 声子弛豫由低能声子主导的拉曼过程控制，并发现第一配位壳层之外的结构修饰对耦合强度的影响具有高度非平凡性，从而论证了超越简单磁结构关联、采用预测性第一性原理框架来指导未来分子设计的必要性。
Permutation invariant multi-scale full quantum neural network wavefunction
该论文提出了一种满足置换不变性的多尺度全量子神经网络框架，能够直接模拟包含电子、原子核及μ子的完整量子波函数，从而在无需显式激发态的情况下有效捕捉超越玻恩 - 奥本海默近似的复杂多体量子关联。