🔬 Category

physics.chem-ph

771 Arbeiten

Dieser Bereich widmet sich den faszinierenden Schnittstellen zwischen Physik und Chemie, wo fundamentale Naturgesetze auf molekularer Ebene untersucht werden. Hier geht es um die Bewegung von Atomen, die Kräfte zwischen Molekülen und die thermodynamischen Prozesse, die unser Universum formen, ohne dabei in unnötigen Fachjargon zu verfallen.

Auf Gist.Science durchsuchen wir kontinuierlich die neuesten Vorveröffentlichungen von arXiv in dieser Kategorie. Für jedes neue Preprint erstellen wir sowohl eine verständliche Zusammenfassung für ein breites Publikum als auch eine detaillierte technische Analyse, damit die komplexesten Entdeckungen für jeden zugänglich sind.

Im Folgenden finden Sie die aktuellsten Forschungsarbeiten aus dem Feld der physikalischen Chemie, die wir für Sie aufbereitet haben.

GENIUS: An Agentic AI Framework for Autonomous Design and Execution of Simulation Protocols

Die Arbeit stellt GENIUS vor, ein agentic KI-Framework, das ein Quantum ESPRESSO-Wissensgraph mit einer gestuften LLM-Hierarchie und einer endlichen Fehlerwiederherstellung integriert, um DFT-Simulationsprotokolle autonom zu generieren, zu validieren und zu reparieren, wodurch die Entdeckung von Materialien demokratisiert wird, indem hohe Erfolgsquoten bei gleichzeitiger erheblicher Reduzierung von Kosten und Halluzinationen im Vergleich zu herkömmlichen LLM-Ansätzen erreicht werden.

Mohammad Soleymanibrojeni, Roland Aydin, Diego Guedes-Sobrinho, Alexandre C. Dias, Maurício J. Piotrowski, Wolfgang Wenzel, Celso Ricardo Caldeira Rêgo2026-05-25🔬 cond-mat.mtrl-sci

Energy-Guided Generative Modeling for Low-Energy Molecular Structure Discovery

Dieser Beitrag stellt EnFlow vor, ein neuartiges energiegeleitetes generatives Framework, das flow-basierte Konformer-Generierung mit gelernter Modellierung des Energielandschaftsprofils integriert, um effizient diverse, physikalisch genaue Molekülstrukturen mit niedriger Energie zu erzeugen und Grundzustände in nur ein bis zwei Sampling-Schritten zu identifizieren.

Guikun Xu, Xiaohan Yi, Ziqiao Meng, Peilin Zhao, Yatao Bian2026-05-25🔬 physics

Quantum-Accurate Conformational Stabilities and Vibrational Dynamics in Molecules and Proteins with Machine-Learned Force Fields

Diese Arbeit zeigt, dass maschinell erlernte Kraftfelder, insbesondere das SO3LR-Modell, konventionelle Molekularmechanik bei der genauen Reproduktion von Konformationsenergetik und Vibrationsdynamik auf Quantenniveau über eine Vielzahl von biomolekularen Systemen hinweg deutlich übertreffen und so spektroskopisch validierte Simulationen zu einem Bruchteil der Rechenkosten ermöglichen.

Sergio Suárez-Dou, Miguel Gallegos, Kyunghoon Han, Florian N. Brünig, Joshua T. Berryman, Alexandre Tkatchenko2026-05-25🔬 physics

Drift-React: One-step Generation of Reaction Pathways via SE(3) Drifting Fields

Drift-React ist ein neuartiges SE(3)-äquivariantes generatives Framework, das vollständige, physikalisch konsistente Reaktionspfade in einem einzigen Vorwärtsschritt aus den Geometrien der Edukte und Produkte vorhersagt, wodurch die Notwendigkeit kostspieliger iterativer Kraftbewertungen entfällt, während gleichzeitig eine Genauigkeit auf dem Stand der Technik und eine um Größenordnungen schnellere Leistung für die Erforschung großskaliger Reaktionsnetzwerke erreicht wird.

Rémi Schlama, Philippe Schwaller2026-05-25🔬 physics

Nonlinear order separation in two-dimensional electronic spectroscopy quantifies properties of higher-excited states

Diese Arbeit demonstriert eine Technik zur Trennung mehrerer nichtlinearer Ordnungen in der zweidimensionalen elektronischen Spektroskopie durch Variation der Pumpimpulsintensitäten, die eine quantitative Charakterisierung hochangeregter Zustände, wie Übergangsdipolmomente und Energieniveaus, in einem Squaring-Dimer ermöglicht und dabei eine hervorragende Übereinstimmung zwischen Theorie und Experiment zeigt.

Katja Mayershofer, Peter A. Rose, Julian Lüttig, Luisa Brenneis, Simon Büttner, Jacob J. Krich, Tobias Brixner2026-05-25🔬 physics.optics

Frontier Orbital Engineering in Heteroatom-Doped Prototypical Organic Dyes for Dye-Sensitized Solar Cells

Diese Studie etabliert ein effizientes, abgestimmtes DFT-TDDFT-Rahmenwerk zum Screening von Heteroatom-dotierten organischen Farbstoffen für farbstoffsensibilisierte Solarzellen und zeigt, dass eine elektronendefiziente Bor-Dotierung die HOMO-LUMO-Lücke effektiv verengt und ladungstransferangeregte Zustände rotverschiebt, um die Solarenergieausbeute zu verbessern.

Aditi Singh, Ram Dhari Pandey, Subrata Jana, Prasanjit Samal, Paweł Tecmer, Szymon Śmiga2026-05-22🔬 physics

Large Language Model Agent for User-friendly Chemical Process Simulations

Dieser Beitrag stellt einen auf Large Language Models basierenden Agenten vor, der über das Model Context Protocol in die AVEVA Process Simulation integriert ist und eine Interaktion in natürlicher Sprache zur Automatisierung komplexer chemischer Prozessaufgaben wie Analyse, Optimierung und Fließbildsynthese ermöglicht, wodurch sowohl die pädagogische Zugänglichkeit als auch die professionelle Effizienz gesteigert werden, während dennoch eine fachliche Aufsicht erforderlich bleibt.

Jingkang Liang, Niklas Groll, Gürkan Sin2026-05-22🤖 cs.AI

Accurate starting points for one-shot G0W0G_0W_0 and Bethe-Salpeter Equation calculations via effective tuning of range-separated hybrid functionals

Dieser Artikel zeigt, dass ein kürzlich vorgestelltes effektives Tuning-Protokoll für range-separierte Hybridfunktional eine rechnerisch effiziente und genaue Alternative zu konventionellen mehrstufigen Optimierungen darstellt und zuverlässige Ausgangspunkte für One-Shot-G0W0G_0W_0- und Bethe-Salpeter-Gleichungsrechnungen von Ionisationspotentialen und Anregungseigenschaften über diverse molekulare Systeme hinweg liefert.

Aditi Singh, Subrata Jana, Szymon Śmiga2026-05-22🔬 physics

Benchmarking machine-learned interatomic potentials for molecular infrared spectroscopy

Diese Studie bewertet fünf maschinell erlernte interatomare Potentiale (SchNet, FieldSchNet, SO3Net, PaiNN und MACE) zur Vorhersage molekularer Infrarotspektren und stellt fest, dass zwar alle Modelle auf Trainingsdaten eine hohe Genauigkeit erreichen, die äquivarianten Architekturen (SO3Net, PaiNN und MACE) jedoch eine überlegene Generalisierung auf nicht gesehene Systeme demonstrieren, wobei PaiNN das beste Gleichgewicht zwischen Effizienz und Genauigkeit bietet und MACE die höchste spektrale Genauigkeit liefert.

Nitik Bhatia, Ondrej Krejci, Patrick Rinke2026-05-22🔬 physics