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。

该研究通过解析与数值方法证明，由二值噪声驱动的有限速度随机搜索者群体的平均最快首次通过时间存在由最小弹道飞行时间决定的下界，并随搜索者数量增加呈指数级收敛，揭示了有限速度模型在短时行为上显著优于传统布朗运动模型，且超扩散机制下的目标探测效率最高。

该研究利用最小跳跃算法结合机器学习势函数及电荷修正项，发现中等尺寸（22-100 原子）的金团簇在电离及有限温度条件下，其基态结构会从紧凑构型转变为平面构型。

本文系统研究了浅层集成在机器学习原子间势中的训练策略，提出了一种通过全模型微调来平衡校准性能与计算成本的方案，在显著降低训练时间的同时实现了可靠的能量与力不确定性量化。

本文介绍了新一代 C++ 版 SIMPSON 软件，通过引入脉冲瞬态、传播子分裂及高阶自旋算符交叉项等新功能，显著提升了其在电子顺磁共振、动态核极化及混合脉冲实验等前沿领域的模拟、设计与解析能力。

本文指出传统的端点滑移分析法在应用于硅负极锂离子电池和硬碳负极钠离子电池等特定体系时存在局限性，并通过定量分析提出了修正方程，以从实验数据中更准确地获取寄生反应的真实速率。

本文从第一性原理出发推导了一种包含一阶环和局域密度近似（1L-LDA）的经典库仑关联泛函，该泛函通过引入可调参数成功描述了电解质中的离子 - 偶极关联效应，并在量子 - 经典耦合模型中显著提升了金属 - 电解质界面双电层电容特性的预测精度，使其与实验数据高度吻合。

本文提出了一种结合强化学习、可控常微分方程求解器及半自回归策略的 ChemBFN 模型，利用贝叶斯流网络内在优势，在生成分布外的高质量分子方面超越了现有最先进模型。

本文回顾了布朗运动的经典理论，并基于朗之万方程，以通俗易懂的方式介绍了随机热力学与涨落定理等现代领域，同时深入分析了非马尔可夫动力学、涨落耗散关系及有效质量框架。

该研究提出了一种利用分子内标量 J 耦合在零磁场下运行的量子 J 振荡器，其通过数字反馈实现了超窄线宽的高精度光谱分辨能力，并为探索非线性自旋动力学及开发紧凑型无磁精密测量平台开辟了新途径。

该论文提出了名为 DD-13M 的包含 26,000 多个完整解离过程及近 1300 万帧轨迹的动态 4D 数据集，并基于此训练了 UnbindingFlow 生成模型，从而建立了研究药物 - 蛋白相互作用动力学的全新范式。