The Convergence Frontier: Integrating Machine Learning and High Performance Quantum Computing for Next-Generation Drug Discovery
本文提出通过融合机器学习、高性能计算与量子计算（特别是混合量子 - 经典架构），利用希尔伯特空间映射突破传统计算瓶颈，从而实现具有量子精度的药物发现与新材料模拟。
🔬 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。
Mechanistic Insights into Enhanced Alkaline Oxygen Evolution on Zn-Al Alloy Electrodes
该研究通过实验与理论计算表明，在锌基合金中引入 10 wt.% 的铝能显著优化电子结构并增加表面活性位点，从而在碱性析氧反应中实现比纯锌及其他过渡金属催化剂更优异的催化活性和更低的过电位。
Rotational excitation of asymmetric-top molecular ions by electron impact: application to HO, HDO, and DO
该论文利用结合 R 矩阵散射理论、多通道量子亏损理论、参考系变换理论及库仑玻恩近似（后两者已适配非对称陀螺转子）的理论框架，研究了电子碰撞对 HO、HDO和 DO三种非对称陀螺分子离子的转动激发，并提供了从基态出发的态分辨截面与速率系数。
Quantum Chemistry Driven Molecular Inverse Design with Data-free Reinforcement Learning
本文提出了一种基于强化学习和量子力学计算的无数据生成模型，通过五模型算法与实时构象采样奖励机制，成功实现了无需预训练数据即可高效生成具有目标性质的新分子。
Open Quantum Dynamics Theory for Coulomb Potentials: Hierarchical Equations of Motion for Atomic Orbitals (AO-HEOM)
该论文基于保持旋转对称性的三维系统 - 浴模型，推导了用于处理库仑势系统热浴动力学的数值精确原子轨道层级运动方程（AO-HEOM），实现了对有限温度下非微扰和非马尔可夫系统 - 浴相互作用的非微扰处理，并通过计算原子系统的线性吸收谱验证了该理论框架的有效性。
System-Bath Modeling in Vibrational Spectroscopy via Molecular Dynamics: A Machine Learning Framework for Hierarchical Equations of Motion (HEOM)
本文提出了一种结合经典分子动力学与机器学习的框架，通过构建基于布朗振子和德拜谱密度函数的系统 - 浴模型，实现了对溶液中分子振动（特别是水分子 OH 伸缩与弯曲模式）的非马尔可夫耗散与退相干过程的精确描述，并支持在层级运动方程（HEOM）框架下进行非线性振动光谱的量子模拟。
Toward Quantum-Aware Machine Learning: Improved Prediction of Quantum Dissipative Dynamics via Complex Valued Neural Networks
本文提出了一种物理一致的复值神经网络（CVNN）框架，通过直接处理复数输入并保留量子态的代数结构，在预测量子耗散动力学方面比传统的实值神经网络具有更快的收敛速度、更高的训练稳定性以及更好的物理保真度（如迹守恒和厄米性），尤其适用于模拟具有复杂相干性的开放量子系统。
HEOM-Based Numerical Framework for Quantum Simulation of Two-Dimensional Vibrational Spectra in Molecular Liquids (HEOM-2DVS)
本文介绍了一种名为 HEOM-2DVS 的计算框架，该框架基于层级运动方程（HEOM）方法，能够模拟分子液体中非马尔可夫开放量子动力学及二维振动光谱，并通过对水分子耦合振动模式的计算验证了其有效性。
V2Rho-FNO: Fourier Neural Operator for Electronic Density Prediction
该论文提出了一种基于傅里叶神经算子（FNO）的通用框架，通过直接从外部势场学习电子密度分布，实现了无需重训练即可跨化学空间零样本泛化的高精度电子结构预测，从而克服了传统密度泛函理论计算成本高及现有机器学习方法泛化性差的局限。
On the performance of QTP functionals applied to second-order response properties II: Dynamic polarizability and long-range C coefficients
本文作为系列研究的第二篇，评估了 25 种交换关联泛函在预测动态极化率和长程色散系数等二阶响应性质方面的性能，发现 TPSS0 和 QTP01 在动态极化率方面表现最佳，而 O3LYP、QTP01 及 LC-QTP 在计算系数时具有最优精度。