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 MEPIN 的可扩展机器学习方法，该方法利用对称破缺等变神经网络结合几何先验，无需过渡态或预优化路径即可高效预测多种化学反应的最小能量路径，从而实现了大尺度化学反应空间的数据驱动探索。

该研究通过结合燃烧网络与从头算方法，构建并验证了一个涵盖硫化学及其与碳氮耦合机制的 C/H/O/N/S 反应网络，发现该耦合显著改变了系外行星大气中 CH₂S 和 CS₂ 的丰度预测，强调了利用经实验验证的化学网络对提升 JWST 时代系外行星大气模型可靠性的重要性。

该论文提出了一种结合分子集体变量与排斥势能的新型扩散采样方法，通过引导探索低维投影空间，显著提升了分子构象采样效率与自由能计算精度，并首次实现了基于通用原子势函数的反应性采样。

本文提出了一种基于三维量子谐振子解析解的新型原子核初始猜测方法，并通过系统基准测试证明其在多组分平均场计算中比现有方法更具鲁棒性和收敛效率。

该研究利用机器学习势函数构建了两阶段高通量筛选策略，从超过六百万种材料中识别出 27 种高性能质子导体，并揭示了跨化学体系的质子转移普遍机制，即约 2.5 埃的氧 - 氧距离以及阴离子旋转动力学、氢键网络连通性与质子转移概率之间的协同作用。

本文受洪伯格 - 科恩定理启发，提出了一种以原子轨道基组下的外部势为输入的新型机器学习框架，通过构建分层表示和矩阵乘积实现等变消息传递，从而高效预测分子性质或直接学习从外部势到福克矩阵及密度矩阵的算符映射。

该研究通过产生并热化可控温度的自由碱金属纳米粒子束，利用可调谐光进行光电离并拟合普适福勒函数，实现了以约 0.2% 的精度精确测定纳米粒子电离能及金属功函数，从而深入分析了电子特性与热晶格动力学之间的相互作用。

该研究通过高精度测量钠和钾纳米颗粒的光电离阈值，不仅量化了由热膨胀引起的功函数随温度的渐变，还揭示了纳米颗粒熔化相变导致的功函数突变，证实了熔化温度随尺寸减小而显著降低的现象符合吉布斯 - 汤姆逊方程的预测。

该研究通过光致电离技术测量了锂同位素（⁶Li 和⁷Li）纳米颗粒的功函数随温度的变化，揭示了显著的各向同性效应及超出电子气密度变化的曲率特征，不仅验证了热力学第三定律在低温极限下的预测，还进一步证实了锂作为量子材料中电子与离子自由度之间存在非平凡相互作用。

该研究提出了一种基于多尺度粗粒化方法的反应性粗粒化力场（nb-CF-ZIF-FF），成功模拟了 ZIF-8 金属有机框架的自组装过程，在无需显式连接信息的情况下通过多体关联学习四面体配位结构，从而克服了原子模拟在尺寸和浓度上的限制，为研究 MOF 的形成、分解及相变等过程开辟了新途径。