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在细胞内肌动蛋白纤维相关的距离上比此前认知的更长程，并强调这一效应在细胞尺度上具有重要影响。
🔬 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。
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。
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。
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。
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。
Hybrid quantum-classical systems: statistics, entropy, microcanonical ensemble and its connection to the canonical ensemble
该论文详细构建了一个混合经典 - 量子系统的统计系综数学框架，通过最大熵原理推导并分析了其微正则系综的性质，证明了该系统能将经典系统的连续能量特性引入量子领域，并阐明了其与正则系综的关联。
NMIRacle: Multi-modal Generative Molecular Elucidation from IR and NMR Spectra
本文提出了 NMIRacle，这是一种结合红外和核磁共振光谱数据的双阶段生成式框架，通过从片段表征学习结构重建并利用光谱嵌入微调生成器，实现了比现有基线更准确且稳健的分子结构解析。