Coarse-Grained Boltzmann Generators
本文提出了一种名为“粗粒度玻尔兹曼生成器”（CG-BGs）的新框架，通过在粗粒度坐标空间中结合流模型生成与基于力匹配学习的平均力势（PMF）重加权，实现了在大尺度分子系统中兼具可扩展性与统计精确性的平衡采样。
🔬 Category
physics.chem-ph
1031 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。
A statistical theory of structure in many-particle systems with local interactions
本文提出了一种针对具有局部相互作用的多粒子系统的结构统计理论，通过引入一种能够量化局部角度冗余度的局部序参数，建立了局部有序度与对称性之间的精确数学关系，并将其应用于理想气体、完美晶体及简单液体等系统的描述。
Connection between $GW$ and Extended Coupled Cluster
本文通过建立扩展耦合簇（ECC）理论框架，揭示了耦合簇（CC）理论与 $GW$ 近似之间的内在联系，为在耦合簇框架下引入顶点修正并构建系统性可改进的格林函数方法提供了统一途径。
Eliminating Delocalization Error through Localized Orbital Scaling Correction with Orbital Relaxation from Linear Response
本文通过开发一种计算效率高且能有效捕捉屏蔽效应的线性响应局部轨道缩放修正（lrLOSC）方法，解决了 Kohn-Sham 密度泛函理论中的离域误差问题，实现了对从小型分子到大型有机体系及过渡金属氧化物配合物等多种化学体系中价轨道能和总能量的精确描述。
Pseudorotation and N-body Forces in an Optical Matter System
本文通过研究具有 对称性的八颗粒光学物质“风筝”结构，证明了该系统中的伪旋转现象源于多体相互作用力，并揭示了光学结合中的多体效应与分子化学键中的量子力学键合在动力学维度上的本质差异。
Machine learning exploration of binding energy distributions of H2O at astrochemically relevant dust grain surfaces
本文利用基于图神经网络的机器学习原子间势，系统研究了水分子在碳质（石墨烯）和硅酸盐（镁终止镁橄榄石）尘埃颗粒表面（从亚单层到双层冰）的结合能分布，发现亚单层阶段结合能受基底性质影响显著，而随着覆盖度增加，氢键作用逐渐主导，且无定形冰结构比晶态冰具有更强的结合能。
Data-Efficient Multidimensional Free Energy Estimation via Physics-Informed Score Learning
本文提出了一种基于物理信息评分学习（FPSL）的扩展方法，通过从非平衡分子动力学模拟中高效学习平滑的评分函数，实现了多维自由能景观的高精度、低成本重构，克服了传统网格法在维度扩展上的局限性。
Computing solvation free energies of small molecules with experimental accuracy
本文介绍了一种高效的炼金自由能协议，通过使用预训练且具备炼金能力的机器学习势函数（MLP），实现了对多种有机分子溶剂化自由能的亚化学精度计算。
General Binding Affinity Guidance for Diffusion Models in Structure-Based Drug Design
本文提出了一个名为 **BADGER** 的通用扩散模型引导框架，通过结合分类器引导（classifier guidance）和无分类器引导（classifier-free guidance）两种策略，实现了在基于结构的药物设计中对配体结合亲和力的精准控制，并能同时优化药物相似性和合成难易度等多种约束条件。
Deep Learning Foundation Models from Classical Molecular Descriptors
这项研究提出了 CheMeleon，一种通过利用低噪声分子描述符进行预训练的千万级参数深度学习基础模型，成功解决了深度学习在小样本实际任务中难以超越传统机器学习方法的难题，在多个基准测试中表现优于随机森林及现有基础模型。