physics.chem-ph 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。

本文提出了一种名为 NATPS 的新方法，该方法基于具有时间可逆性和细致平衡条件的 MASH 动力学，通过结合过渡路径采样（TPS）框架，显著降低了模拟稀有非绝热事件的计算成本并提供了机理洞察。

该论文提出了一种名为 LOREM 的图神经网络架构，通过引入等变电荷进行长程消息传递，有效解决了现有截断图方法难以捕捉静电、色散及电子离域等长程物理效应的局限，并在无需针对特定数据集调整超参数的情况下实现了卓越的基准性能。

该研究利用 pCCD 方法计算发现，在咔唑基有机染料桥接单元中引入氮原子（尤其是三氮掺杂）能显著增强从给体到受体的定向电荷转移效率，其中三氮掺杂体系表现出高达 42.6% 的转移率，是染料敏化太阳能电池的极具潜力的候选材料。

该研究通过在经典处理器上模拟容错量子硬件执行迭代量子耦合簇（iQCC）算法，成功计算了铱和铂有机金属化合物的激发态能量，结果显示其精度优于现有经典方法，从而确立了约 200 个逻辑量子比特是实现计算化学量子优势的临界阈值。

本文从自然语言处理（NLP）研究者的视角出发，综述了化学信息学中受 NLP 启发的主流分子表示方法及其在人工智能驱动的化学与材料科学中的应用，旨在为跨领域研究人员提供一份结构表示指南。

本文主张通过整合人工智能与机器学习工作流、高通量实验及自驱动实验室，构建以催化剂设计、机理研究和反应工程为核心的数据驱动闭环生态系统，从而加速多类催化体系的发现与化学工艺工程的持续优化。

该论文首次将漂移模型引入分子构象生成，通过建立“漂移力恒等式”将物理力场融入生成过程，并发现其在坐标空间（FI）和距离特征空间（FK）中分别具有独特优势，从而实现了比传统分子动力学快百万倍、且兼具完美结构有效性与玻尔兹曼分布精度的单步采样。

本文提出了一种基于部分信息分解（PID）的反应坐标分辨信息理论分析方法，通过将键不对称性坐标作为目标、DDEC6 净原子电荷作为源，成功解构了三个典型 S $_\mathrm{N}$ 2 反应中化学键演化的冗余、独特及协同信息特征，揭示了反应对称性对信息分布的调控机制。

该研究通过整合分子动力学模拟、物理散射模型、贝叶斯模型判别及极化分析，首次成功解析了液态苯的各向异性旋转运动，解决了传统准弹性中子散射拟合中的歧义问题，为理解受限烃类催化中的分子动力学确立了新的分析范式。

该论文利用玻恩 - 黄展开和精确分解两种分子波函数表示法，研究了长脉冲与阿秒超短脉冲如何构建不同的激发态（稳态与电子波包），并指出精确分解方法对传统基于玻恩 - 黄近似的光激发概念（如布居转移、共振条件及垂直激发）提出了挑战。