1002 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。
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。
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。
该论文提出了名为 CRYSTAL 的框架，利用逆合成分析和机器学习技术，为超过 7 万种有机化学品生成了透明且一致的生命周期清单数据库，从而识别出关键环境热点与枢纽化学品，为化学工业的可持续工程与政策干预提供了系统性数据基础。
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。
该论文提出了一种结合嵌入相关波函数理论与迁移学习的框架（ECW-TL），通过利用高精度电子结构数据微调机器学习势函数，成功实现了在保持计算效率的同时对水溶液中钙碳酸盐离子配对等复杂凝聚相过程进行化学精度的分子动力学模拟。
本文提出在SCF 理论中利用速度规范计算振子强度，该方法能自然处理非正交性并给出与原点无关的结果，且结合自旋纯化的单重态激发能后，在共轭发色团体系中的预测性能可与对称正交化修正的长度规范结果相媲美。
该论文提出了一种名为 PFP/MM 的混合方法，通过将通用神经网路势函数（PFP）与经典力场相结合，成功实现了在大型真实凝聚相环境中进行高效、长时程且具有近 DFT 精度的反应性分子模拟。
本文针对自由补全（FC）方法中因使用高斯补全函数展开而导致的变分系数随电子数呈指数增长的问题，提出利用函数引入的不同指数进行层级解收缩，从而在重叠矩阵筛选前将指数复杂度推迟到更高阶的展开中。
该研究通过数值模拟证明，在光电子探测二维电子光谱中结合时间门控与动能滤波技术，不仅能有效消除激子 - 激子湮灭对信号的重叠干扰并直接解析其动力学，还能提取与相干探测同等深度的系统信息。