Shannon and Rényi entropies of molecular densities: insights into extensivity and the incomplete description of electron correlation
该研究通过严格的原子划分分解，揭示了基于电子密度的香农和雷尼熵在描述静态关联及满足广延性方面存在根本缺陷，表明构建鲁棒的熵描述符需依赖更高维希尔伯特空间对象而非单纯的电子密度。
🔬 Category
physics.chem-ph
962 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。
Disorder-induced non-Gaussian states in large ensembles of cavity-coupled molecules
该研究通过精确的矩阵乘积态模拟揭示，在腔耦合分子大系综中，无序会导致单分子层面产生非高斯振动态，且这种效应在大尺度下依然稳健，表明核波包无法用热态有效描述，同时指出半经典近似（如 Ehrenfest 和截断维格纳近似）难以捕捉此类真实的量子效应。
Assessment of S* in the Orange Carotenoid Protein
该研究通过对比玻璃态与缓冲液环境下的实验结果，证明橙色类胡萝卜素蛋白（OCP）的光激活过程并不依赖于长寿命的类胡萝卜素单重激发态（S*），后者更可能源于 OCP 基态的异质性。
Some challenges of diffused interfaces in implicit-solvent models
本文通过耦合有限元与边界元方法，分析了隐式溶剂模型中扩散界面函数形状参数（）对溶剂化能和结合自由能的影响，发现虽然 时溶剂化能表现最佳，但结合自由能对 的变化极为敏感，其最优值范围在 2 到 20 之间。
Electron transfer in confined electromagnetic fields: a unified Fermi's golden rule rate theory and extension to lossy cavities
本文提出了一种基于费米黄金定则的统一电子转移速率理论，通过极化子变换推导了适用于全温区和全腔模时间尺度的解析表达式，将其扩展至损耗腔并揭示了共振增强与光子发射等腔诱导现象，从而为理解纳米光子环境中受限电磁场对电荷转移动力学的调控提供了通用框架。
Perspective on Moreau-Yosida Regularization in Density-Functional Theory
这篇综述文章探讨了 Moreau-Yosida 正则化在密度泛函理论中的多种应用，包括其对该理论的重构、对 Kohn-Sham 方法的数学严格定义、在密度 - 势反演方案中的作用，以及通过拓扑选择与经典场论建立的直接联系，并展望了该技术的未来发展潜力。
SeQuant Framework for Symbolic and Numerical Tensor Algebra. I. Core Capabilities
SeQuant 是一个开源库，通过创新的图论张量网络规范器，高效处理具有对称性、非协变性及参数依赖模式的张量代数，并实现了从符号简化、Wick 定理应用到直接数值计算的无缝集成。
Comparing the latent features of universal machine-learning interatomic potentials
本文通过定量分析特征重建误差，系统揭示了通用机器学习原子间势（uMLIPs）在编码化学空间时存在显著的模型间差异，并探讨了训练设置对特征学习的影响以及从原子级特征到全局结构级特征的压缩方法。
Teaching Language Models Mechanistic Explainability Through MechSMILES
该论文提出了 MechSMILES 框架，通过让语言模型学习基于箭头推动法的反应机理，实现了计算机辅助合成规划（CASP）中物理可解释的电子路径验证、全原子映射及催化剂感知模板提取，并在多种机理预测任务中取得了卓越性能。
Thermal conductivities of monolayer graphene oxide from machine learning molecular dynamics simulations
本研究通过训练基于密度泛函理论数据的机器学习神经演化势（NEP），结合大规模分子动力学模拟，揭示了氧化石墨烯热还原过程中化学结构（如 O/C 和 OH/O 比）对热导率的调控机制，发现还原后热导率显著降低且随结构恢复程度呈现特定变化规律，从而建立了一种高效预测异质碳材料热输运性质的原子尺度计算框架。