• 有机液体中1H和19F核自旋的光学超极化

  摘要 液体中的光驱动动态核极化（oDNP）提供了一条无需微波的核磁共振（NMR）信号增强途径，但迄今为止仍依赖于数量有限、光稳定性受限的染料-自由基体系，通常需要高功率激光光源和样品流动以缓解染料的光漂白。本研究考察了在非相干发光二极管（LED）照射下，有机

  来源：The Journal of Physical Chemistry Letters

  时间：2026-08-30

• # 从磁性视角看分子芳香性

  芳香性概念最初被用于描述类似苯的化合物。后来，芳香性被扩展用于描述具有离域共轭键的一般环状分子，这类分子具有增强的热力学稳定性、较小的键长交替、特定的反应活性以及独特的磁性。在本展望中，研究人员聚焦于芳香性的磁性判据。通过计算磁感应电流密度（MICD）磁化率来

  来源：The Journal of Physical Chemistry Letters

  时间：2026-08-30

• Pressures依赖的PEG-功能化金纳米粒子扩散的X射线光子相关光谱研究

  摘要 由于实验挑战，高压下纳米粒子的动态特性尚不明确。在此，研究人员使用X射线光子相关光谱（XPCS）研究了分散于水中、压力最高达6 kbar的聚乙二醇（PEG）功能化金纳米粒子的扩散动力学。互补的小角X射线散射揭示了金核尺寸无可测量的压力诱导变化，在研究

  来源：The Journal of Physical Chemistry B

  时间：2026-08-30

• 中心金属在酞菁/ReS2界面电子离域动力学中的作用：基于共振光发射谱的探测

  工程化界面电荷转移过程对于开发金属酞菁/二维半导体异质结构至关重要，其中分子轨道杂化可通过中心金属离子调控。研究人员通过比较无金属H2Pc与CuPc薄膜，结合共振光发射谱（RPES）、X射线光电子能谱（XPS）与近边X射线吸收精细结构（NEXAFS），探究了酞

  来源：The Journal of Physical Chemistry C

  时间：2026-08-30

• 自动生成领域特定问答数据集以赋能磁性材料高性能语言模型

  领域特定语言模型因其可根据用户需求进行定制而备受青睐。然而，通过传统方法预训练大型语言模型（LLM）所需的高端计算资源往往阻碍了其开发。此外，即便能够找到计算资源用于LLM预训练，目前仍缺乏可用于微调LLM以进行提示工程的大型领域特定问答（QA）数据集。本文提

  来源：Journal of Chemical Information and Modeling

  时间：2026-08-30

• ATR分析：推-拉型七甲川色团及其客-主极化聚合物中分子与体相响应的定量化研究

  该研究报道了一套系统性的实验与分析工作流，用于评估推-拉型七甲川色团（PPH-phores）及其极化客-主聚合物在电光（EO）应用中的表现。研究人员采用衰减全反射（ATR）光谱精确测量极化薄膜的光学双折射与直流/交流电光系数（r33值），建立了分子性质与体相材

  来源：The Journal of Physical Chemistry B

  时间：2026-08-30

• ChemLint：基于大语言模型的对话式化学信息学

  研究人员介绍了一个开源模型上下文协议（Model Context Protocol，MCP）服务器——ChemLint，其可将任何兼容MCP的大型语言模型连接到一套精选的本地化学信息学和机器学习工具，从而通过对话式界面实现严格的分子数据处理。分子机器学习研究常

  来源：Journal of Chemical Information and Modeling

  时间：2026-08-30

• 基于准绝热量子几何优化工作流的高通量虚拟筛选

  这项工作致力于利用量子计算方法学应对post-Hartree–Fock（后HF）理论水平下的分子几何优化挑战。研究人员提出了一种基于变分量子本征求解器（VQE）算法的具有潜在准绝热性的新方法，用于高效探索势能面（PES）。该方法将量子线路模拟器与经典优化程序相

  来源：Journal of Chemical Theory and Computation

  时间：2026-08-30

• MolCryst-MLIPs：分子晶体机器学习原子间势数据库

  研究人员提出了一个名为MolCryst-MLIPs的开放分子晶体（MC）机器学习原子间势（MLIPs）数据库。首个版本包含针对九个分子晶体体系（苯甲酰胺、苯甲酸、香豆素、均四甲苯、异烟酰胺、烟酸、烟酰胺、吡嗪酰胺和间苯二酚）的微调MACE模型，这些模型是利用自

  来源：Journal of Chemical Theory and Computation

  时间：2026-08-30

• 面向不平衡分子性质回归：基准研究与区间感知专家混合模型

  分子性质预测是AI驱动药物发现中的一项关键任务，然而标签不平衡在分子性质回归中的普遍性和影响仍知之甚少。通过对广泛使用的分子性质数据集进行系统性基准测试，研究人员表明目标值通常高度不平衡，且预测误差始终集中在标签空间中稀疏表示的区域。研究人员进一步评估了为一般

  来源：Journal of Chemical Information and Modeling

  时间：2026-08-30

知名企业招聘：