Adaptive tensor train metadynamics for high-dimensional free energy exploration
该论文提出了一种名为 TT-Metadynamics 的新方法，通过将元动力学中累积的高斯势压缩为低秩张量链（TT）表示，并利用线性缩放的“草图”算法构建，成功克服了传统方法在多维集体变量下计算成本指数级增长的瓶颈，实现了高维自由能景观的高效探索。
🔬 Category
physics.chem-ph
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。
Revealing Hydroxide Ion Transport Mechanisms in Commercial Anion-Exchange Membranes at Nano-Scale from Machine-learned Interatomic Potential Simulations
该研究利用机器学习势函数进行大规模分子动力学模拟，揭示了商业阴离子交换膜中水含量通过调控纳米尺度氢键网络结构从而决定羟基离子传输效率的微观机制，为绿色氢能技术中高效膜的理性设计提供了理论依据。
A Primary Unified Geometric Framework of Molecular Reaction Dynamics Based on the Variational Principle
本文基于变分原理构建了一个统一的分子反应动力学几何框架，通过结合最小作用量原理、广义时空中的核哈密顿量构建以及单粒子近似，将电子结构与量子动力学统一描述并自然引入几何相位，同时从优化视角探讨了生成式人工智能等前沿应用。
Systematically Improvable Numerical Atomic Orbital Basis Using Contracted Truncated Spherical Waves
本文提出了一种通过收缩截断球面波来构建数值原子轨道基组的方案，该方案在最小化动能算符迹的同时有效消除了周期性镜像间的虚假相互作用，从而显著提升了基组对分子和体相系统各类性质（包括导带描述）的系统可改进性与转移性。
Nonadiabatic rare events from transition-path sampling of MASH trajectories
本文通过将满足马尔可夫性、时间可逆性及刘维尔定理的 MASH 方法与过渡路径采样相结合，构建了一种无需偏置即可高效模拟稀有非绝热反应、解析反应机理及计算速率常数的新框架，并成功应用于自旋 - 玻色子模型的研究。
Universal method of selective detection of a wide range of pollutants in liquids using conductance quantization
该论文提出了一种基于电导量子化机制的通用方法，利用量子点接触传感器实现了对液体环境中重金属离子（如铜、锌、铅）及有机溶剂（如乙酸）在低至十亿分之几浓度范围内的快速选择性检测。
The Python Simulations of Chemistry Framework: 10 years of an open-source quantum chemistry project
本文回顾了开源量子化学框架 PySCF 自 2020 年综述以来的十年发展，重点介绍了其新增模块、方法学进展、基础设施变革及性能基准测试。
Carbon black and hydrogen production from methane pyrolysis: measured and modeled insights from integrated gas and particle diagnostics in shock tubes
该研究通过激波管实验与模拟相结合，利用多波长消光和激光吸收诊断技术，系统表征了甲烷热解过程中气体化学、碳黑颗粒成核生长及微观结构的演化规律，为优化氢能与碳黑联产模型提供了关键基准数据。
Auto-WHATMD : Automated Wasserstein-based High-dimensional feature extraction Analysis of Trajectories from Molecular Dynamics
本文提出了一种名为 auto-WHATMD 的自动化算法，利用最优传输距离和模拟退火技术从高维分子动力学轨迹中自动提取关键残基特征，从而有效区分不同蛋白系统并揭示其与配体结合亲和力的相关性。
Explicit, Machine-Learned Two-Body Potentials for Molecular Simulations
该论文提出了一种结合 PhysNet 机器学习与经典分子力场的新型混合势函数，旨在通过拟合二聚体及团簇数据来模拟大型异质凝聚相体系，并在二氯甲烷和丙酮测试中验证了其精度，同时也揭示了当前成对近似在处理强多体效应体系时的局限性。