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。

Ab Initio Many Body Quantum Embedding and Local Correlation in Crystalline Materials using Interpolative Separable Density Fitting

本文提出了一种针对无限周期体系的高效、线性缩放的从头算多体量子嵌入与局部关联方法实现,该方法利用插值可分密度拟合技术,能够为弱关联和强关联固体提供精确的热力学极限耦合簇基态能量估计。

Junjie Yang, Ning Zhang, Shunyue Yuan, Jincheng Yu, Hong-Zhou Ye, Garnet Chan2026-01-26🔬 cond-mat.mtrl-sci

Multi-Orbital Charge Transfer into Nonplanar Cycloarenes Revealed with CO-Functionalized Tips

本研究结合了 CO 功能化探针 STM 模拟与轨道层析成像技术,揭示了从 Cu(110) 表面向非平面 kekulene 和 isokelene 分子的多轨道电荷转移,验证了一种用于表征低产率复杂吸附体系的稳健方法。

Anja Haags, Alexander Reichmann, Zilin Ruan, Qitang Fan, Larissa Egger, Hans Kirschner, Tim Naumann, Simon Werner, Olaf Kleykamp, Jose Martinez-Castro, Felix Lüpke, François C. Bocquet, Christian Kump (…)2026-01-23🔬 cond-mat.mtrl-sci

Enhanced Representation-Based Sampling for the Efficient Generation of Datasets for Machine-Learned Interatomic Potentials

本文介绍了增强表示采样(Enhanced Representation-Based Sampling, ERBS),这是一种能够自动识别集体变量并施加偏置势的新型方法,旨在高效生成用于机器学习原子间势的多元化训练数据集,从而以显著降低的数据需求实现高保真自由能面的重构以及自扩散系数等性质的精确模拟。

Moritz René Schäfer, Johannes Kästner2026-01-23🔬 physics