chemistry 相关技术文章与安全漏洞汇总

技术文章 8

无缺陷非晶硅模型首次精准复现实验带隙：机器学习驱动的材料模拟迎来里程碑

非晶硅是光伏和半导体产业的核心材料，但长期以来原子模型在电子结构预测上始终偏差较大。本研究利用机器学习分子动力学生成的无缺陷理想非晶硅模型，辅以杂化密度泛函理论计算，首次精准复现了实验观测的电子带隙，并与经典WWW方法及其他近似模型进行了系统对比，为理解非晶硅的能带尾态、光学性质和输运特性奠定了坚实基础。

DFT训练的神经网络势函数：能否真正复现液态水的结构、热力学与动力学？

研究人员用MACE神经网络势函数在DFT数据上训练，系统评估对MgCl₂水溶液的多维度性质复现能力。NNP准确描述水合壳层结构、扩散系数和离子配对，过渡态采样捕获水交换过程（速率与实验相差一个数量级内），但溶剂化自由能严重低估实验值——揭示了当前局部NNP架构在离子溶剂化热力学上的根本局限，需显式纳入长程静电效应。

机器学习革新二维电子光谱：从有限数据中提取最大信息量

斯坦福大学团队开发了一套基于高斯混合模型的机器学习框架，用于分析和设计二维电子光谱实验。该框架能从有限的2DES数据中提取光谱密度，外推到未测量的时间延迟，并通过主动学习策略智能选择下一步测量点，在光敏黄蛋白、尼罗红、GFP发色团等多个体系上展示了出色的准确性。

从Lax对理论重构量子动力学：谱守恒视角下的量子力学重建

匈牙利物理学家Péter Szabó提出了一种从最小公理体系出发重构量子动力学的方法。仅假设物理时间演化是保谱的连续单参数流，即可推导出Heisenberg方程、薛定谔方程、守恒律等核心结果。Lax对理论成为连接Hilbert空间测量结构与标准量子演化的桥梁。

量子计算突破：全活化空间波函数的高效经典表示与量子态制备

量子计算在化学领域的重大突破：研究者利用量子Paldus变换证明，全活化空间（CAS）波函数可以高效地表示为矩阵乘积态，键维数仅O(d²)增长。基于此设计的量子态制备算法将门复杂度从指数级降至O(d³)多项式级，实现了指数级改进。该成果对量子化学、药物设计和材料科学具有深远意义。

量子计算突破：完全活性空间波函数的高效经典表示与量子态制备

量子计算机有望解决复杂分子的电子结构问题，但强关联分子的量子态制备一直是瓶颈。本文解读Hamza Jnane的最新研究：利用量子Paldus变换（QPT），将完全活性空间（CAS）态在对称性适配基下展开为矩阵乘积态（MPS），使经典表示和量子态制备的复杂度从指数级降至多项式级O(d³)，实现了对现有方法的指数级改进。

亚欧姆自旋-玻色子模型中动力学相的纠缠结构：量子耗散动力学的新视角

利用树张量网络方法系统研究亚欧姆自旋-玻色子模型的纠缠结构，发现稳态纠缠熵景观、低频模式主导效应及相干增强浴关联，为耗散量子动力学提供新视角。

DFT训练的神经网络势能能否准确模拟水溶液中镁离子的行为？

MACE神经网络势能成功再现了Mg²⁺水溶液的结构、扩散和水交换动力学，但在溶剂化自由能方面仍有局限。