Prediction and Experimental Verification of Electrolyte Solvation Structure from an OMol25-Trained Interatomic Potential
本文通过整合基于 OMol25 数据集训练的机器学习势函数与实验验证，证实了该模型在预测钠离子电池电解液密度、结构因子及纳米尺度溶剂化结构方面显著优于传统无机材料训练模型，并揭示了温度与溶剂拓扑对离子溶剂化行为的微观影响机制。
🔬 Category
physics.chem-ph
785 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。
Faster quantum chemistry simulations on a quantum computer with improved tensor factorization and active volume compilation
本文通过提出新型块不变对称位移张量超压缩（BLISS-THC）框架并结合面向融合基光子硬件的活性体积（AV）编译技术，实现了分子电子结构计算在容错量子计算机上相比现有技术两个数量级的运行速度提升。
One-Body Properties and Their Perturbative Accuracy with Aufbau Suppressed Coupled Cluster Theory
本文推导并实现了 Aufbau 抑制耦合簇理论（ASCC）的单粒子约化密度矩阵计算方法，通过利用自然轨道迭代优化以消除对初始轨道的依赖，并证实了在保持微扰完整性的前提下，该方法计算偶极矩等单粒子性质的精度与线性响应及运动方程耦合簇方法相当。
Generalization of Long-Range Machine Learning Potentials in Complex Chemical Spaces
该研究通过引入长程修正机制和偏差式训练 - 测试划分策略，系统评估并证明了长程建模对于提升机器学习势函数在复杂化学空间（如金属有机框架）中泛化能力与转移性的关键作用。
Spin-Flip Configuration Interaction for Strong Static Correlation in Quantum Electrodynamics
本文通过将自旋翻转组态相互作用单激发（SF-CIS）方法扩展至腔量子电动力学框架，推导了包含光子激发的自旋翻转哈密顿量，提出了一种能够准确描述强静态关联体系（如键断裂过程）中电子与腔光子强耦合效应的 QED-SF-CIS 方法，并展示了其在调控分子几何结构与自旋相变中的应用潜力。
sbml4md: A computational platform for System-Bath Modeling via Molecular Dynamics powered by Machine Learning
本文介绍了名为 sbml4md 的计算平台，该平台利用机器学习技术从分子动力学轨迹中提取多模非谐布朗模型参数，从而无需经验拟合即可为分层运动方程（HEOM）框架提供精确参数，实现了对分子液体中分子内及分子间振动模式非线性光谱的高效模拟。
Isotope Effects in 2D correlation infrared Spectra of Water: HEOM Analysis of Molecular Dynamics-Based Machine Learning Models
本文采用层级运动方程（HEOM）框架，结合基于分子动力学的机器学习模型，模拟并分析了液态水（H₂O）和重水（D₂O）的非马尔可夫非微扰非线性相互作用，从而通过二维红外相关光谱阐明了同位素效应对分子内振动模式能量激发、弛豫及退相干动力学的调控机制。
Elucidating Norrish Type-I reactive pathways by ultrafast X-ray absorption spectroscopy
该研究结合软 X 射线时间分辨近边吸收精细结构（TR-NEXAFS）光谱与从头算多生成（AIMS）模拟，阐明了气相苯乙酮中从初始激发态经态到长寿命态的超快布居转移动力学，揭示了其作为诺里什 I 型反应活性态的机制。
An SO(3)-equivariant reciprocal-space neural potential for long-range interactions
本文提出了名为 EquiEwald 的统一神经原子间势模型，通过在不可约 SO(3) 等变框架中嵌入倒易空间 Ewald 方法，成功解决了长程各向异性相互作用与物理一致性难以兼顾的难题，显著提升了机器学习势函数在周期性体系中的精度、数据效率及外推能力。
Maximum entropy distributions of wavefunctions at thermal equilibrium
本文提出了适用于热平衡态量子波函数系综的“斯鲁吉（Scrooge）最大熵分布”，指出仅约束能量期望值或本征态分布不足以确定平衡态，必须额外引入测量熵等于系综相对于吉布斯态的雷尼散度这一约束，从而揭示了雷尼散度在量子热平衡中的潜在物理重要性。