图书信息

内容简介

对 arXiv physics.chem-ph 分类的年度综述，涵盖 2025 年 9 月至 2026 年 8 月期间发表的研究。本卷基于对 132 篇论文 的细读整理，组织为 37 章，按该领域的研究子方向描绘这一年的全貌。

全书框架（年度产出占比）：

高分辨光谱与谱线参数测量 (30.7%) — 本子领域聚焦分子谱线的精确测量，包括红外与 X 射线光谱，以确定碰撞诱导参数与振动-转动相互作用，用于大气与天体物理应用。
分子动力学与非绝热动力学模拟 (13.5%) — 研究者开发并应用包括波包动力学与粗粒化模型在内的模拟方法，研究复杂系统中的分子反应性、聚合物行为与非绝热过程。
化学反应动力学与材料自组装 (12.8%) — 本领域研究反应机制、扩散过程与自组装现象，重点关注药物递送系统与用于组织工程的生物陶瓷。
电子结构计算与激发态性质 (7.2%) — 研究聚焦利用先进理论框架计算分子与材料的基态与激发电子态、几何相位与光谱性质。
密度泛函理论与含时方法 (7.0%) — 本子领域推进密度泛函理论（包括含时与有限温度变体），以建模电子结构、响应性质与多体相互作用。
量子化学与量子计算应用 (7.0%) — 研究探索量子动力学、量子控制，以及将量子计算算法应用于化学问题，包括天体化学探测与激子转移。
物理化学性质预测的机器学习 (6.9%) — 本方向应用机器学习技术预测分子性质、反应坐标与原子间势，处理异方差性与可解释性等问题。
神经网络与张量网络表示 (4.7%) — 研究利用神经网络与张量网络态表示量子波函数、构建精确势，并求解高维振动与电子问题。
耦合簇理论与多体方法 (4.1%) — 本领域发展并应用耦合簇方法（包括运动方程与多参考变体），以精确计算分子性质与激发态。
从头算与量子蒙特卡洛方法 (3.7%) — 研究聚焦从头算计算与量子蒙特卡洛技术，以高精度确定原子力、极化率与热力学性质。
机器学习原子间势与基准测试 (2.5%) — 本子领域发展并基准测试机器学习原子间势（包括通用与增量学习模型），用于精确分子动力学模拟。