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。
该研究通过改进的模拟框架揭示，在带负电的宽纳米孔中，反常摩尔分数效应（AMFE）源于局部电荷反转、阴离子泄漏与离子迁移率之间的微妙相互作用，且只要最近接近距离（DCA）匹配，不同的表面基团微观模型即可复现相同的宏观电导行为。
本文提出了 PackFlow，一种结合流匹配框架与强化学习物理对齐策略的生成式方法，用于高效预测有机分子晶体结构，其生成的候选结构在物理合理性和低能态收敛性上均优于传统启发式方法。
本文提出了一种基于低秩张量链分解的辐射传输方程谱均匀化方法，证明了在从分子吸收线到原子等离子体不透明度的广泛场景下，解张量的秩随谱分辨率增加而保持有界，从而在显著降低存储和计算成本的同时，实现了远优于传统相关k分布法的精度。
本文介绍了 HBAT 2，这是一个用 Python 重写的更新版软件包，旨在通过几何标准自动分析蛋白质和核酸等生物大分子结构中的氢键及其他非共价相互作用，并提供图形界面、网页端、命令行及开发者 API 等多种交互方式以辅助相关研究。
该论文揭示了机器学习在材料发现中可能因文献元数据（如作者、期刊和年份）的混淆而非真正的化学规律产生虚假的高性能预测，并呼吁通过严格的证伪测试和实验设计来区分预测效用与化学理解。
本文提出了"El Agente Gráfico"框架，通过将大语言模型的决策嵌入类型安全的执行环境与动态知识图谱中，利用结构化对象而非非结构化文本来管理科学工作流，从而显著提升了科学智能体在量子化学、构象生成及金属有机框架设计等复杂任务中的可靠性、可追溯性与可扩展性。
该研究通过基准测试确立了计算铂配合物吸收光谱的最佳方案，指出范围分离泛函结合 TDA 和 RI 近似能实现高效预测，并推荐 PBEh-3c 方法在几何优化与光谱计算之间提供精度与效率的最佳平衡。
本文提出了一种基于克拉佩龙方程的热力学信息图神经网络（Clapeyron-GNN），通过多任务学习同时预测纯组分的蒸气压、气液摩尔体积及汽化焓，在数据稀缺场景下显著提升了预测精度并确保了热力学一致性。
该研究通过第一性原理多尺度计算，证实了将二茂铁引入共价有机框架（MSUCOF-4-FeCp）可使其在常温高压下实现远超美国能源部目标的超高氢存储性能（18.0 wt% 和 72.6 g H₂/L），为替代贵金属提供了一种低成本的高效储氢材料设计策略。
本文提出了一种基于托马斯 - 费米屏蔽长度的电极描述方法，用于布朗动力学模拟可调金属性双电层电容器，该方法在显著降低计算成本的同时，能够准确预测离子密度分布和微分电容，并有效研究托马斯 - 费米屏蔽长度对电化学性能及离子动力学的影响。