Quantum-corrected NMR crystallography at scale
该论文提出了一种名为 QNC-NMR 的新方法,通过利用可跨分子晶体迁移的机器学习势函数 PET-MOLS 生成量子核校正系综,显著提升了固态 NMR 晶体学中氢键质子化学位移的预测精度,并实现了在无需经验修正的情况下对非晶态材料的大规模可扩展结构解析。
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。
该论文提出了一种名为 QNC-NMR 的新方法,通过利用可跨分子晶体迁移的机器学习势函数 PET-MOLS 生成量子核校正系综,显著提升了固态 NMR 晶体学中氢键质子化学位移的预测精度,并实现了在无需经验修正的情况下对非晶态材料的大规模可扩展结构解析。
该研究通过理论推导与高精度基准测试证明,将分子哈密顿量从表象转换至绝热表象虽能消除自旋轨道耦合,但会引入显著的自旋轨道诱导非绝热耦合,若忽略这些项将导致严重误差,因此表象的单态近似仅在相互作用态能级充分分离时可靠,否则必须显式包含非绝热项。
本文提出了名为 AllScAIP 的可扩展注意力机制机器学习势函数,通过引入全连接节点注意力组件以数据驱动方式有效捕捉长程相互作用,在无需显式物理项的情况下实现了分子、材料及催化体系的高精度预测与稳定长时程分子动力学模拟。
本文提出了 HEroBM,一种基于深度等变图神经网络的通用方法,能够高效、准确地将任意粗粒度分子构象回映射为全原子结构,并成功应用于复杂的生物体系。
本文提出了一种名为“双重配置相互作用单激发(DCIS)”的新型理论方案,该方案通过微扰处理电子 Hessian 矩阵,以平均场计算成本实现了激发态轨道弛豫的变分描述,有效修正了标准 CIS 在电荷转移激发能上的高估问题并准确描述了单键解离,同时保持了 CIS 的体系广延性。
本文研究了亚价层相关与高阶后 CCSD(T) 相关效应(特别是 (Q) 项)在热化学贡献中的耦合机制,提出了"W5 理论”方案,并通过修正后的计算显著改进了含第二周期相邻原子的分子总原子化能预测值,使其与 ATcT 实验数据高度吻合。
本文提出了一种统一的变分框架,通过引入轨道优化(包括态特定和态平均形式)、线性响应双重 CIS 方案以及自旋投影技术,有效克服了传统 CIS 方法在激发能高估和强关联体系描述上的局限性,显著提升了基态与激发态(特别是强关联及里德堡态)的定性描述精度。
该研究利用电子自旋共振光谱技术,通过检测水相二氧化氯自由基在聚对苯二甲酸乙二醇酯中的自旋标记效应,成功实现了对塑料种类的识别、环境扩散系数的测定以及基于聚合物基质效应的分子运动状态分析。
本文基于高精度 H4 系统势能面对 HD+HD 碰撞进行了全维度量子散射计算,揭示了近共振转动 - 振动跃迁机制及低温下由 l=3 分波主导的共振特征,计算结果与实验观测吻合。
该研究建立了一个超越弱耦合极限的约化密度矩阵理论框架,揭示了分子聚集体中双激子输运强烈依赖于初始态的相干性与动量组成,并阐明了激子 - 激子湮灭及能带结构干涉效应对荧光衰减和扩散行为的调控机制。