967 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.
Die Studie stellt einen hierarchischen generativen Optimierungsrahmen vor, der genetische Algorithmen mit generativen Modellen koppelt, um komplexe Mehrkomponentensysteme wie Katalysatoren und Enzyme durch gleichzeitige Optimierung von Zusammensetzung und räumlicher Anordnung effizient zu entwerfen.
Die Autoren erweitern die symmetrisierte Pfadintegral-Molekulardynamik-Methode, um durch eine rigorose Projektion auf Rotationszustände mittels einer Eckart-Feder tunnelungsaufspaltungen in rotatorisch angeregten Zuständen von Molekülen wie Ammoniak und Wasser präzise zu berechnen, wobei die Ergebnisse exakte Benchmarks bestätigen und den experimentell beobachteten Trend einer abnehmenden Aufspaltung mit steigendem Drehimpuls wiedergeben.
Die vorgestellte Arbeit führt eine path-integrale Hybrid-Monte-Carlo-Methode mit umhüllenden Brückenpotentialen (PIHMC-EBP) ein, die es ermöglicht, numerisch exakte Tunnelaufspaltungen in Molekülsystemen wie Malonaldehyd, HCl-Dimer und Wasser-Dimer mit bisher unerreichter Präzision und deutlich reduzierten Rechenkosten zu berechnen.
Die Studie stellt X-MACE vor, einen übertragbaren maschinellen Lernansatz für angeregte Zustände, der eine effiziente Vorhersage der Photophysik fluoreszierender Proteinchromophore ermöglicht und dabei zwei zentrale Gestaltungsprinzipien für deren Fluoreszenzeigenschaften aufdeckt.
Diese Perspektive fasst die Ergebnisse eines 2023 initiierten Vorhersage-Challenges zusammen, bei dem 15 theoretische Teams die Photochemie von Cyclobutanon und dessen zeitaufgelöste MeV-UED-Signale erfolgreich simulierten, um die Stärken und Schwächen verschiedener Methoden der nichtadiabatischen Molekulardynamik zu bewerten und die Reife des Feldes zu demonstrieren.
Diese Studie untersucht mittels DFT-Simulationen die mechanische Stabilität und die Druck-Enthalpie-Landschaft von Methan- und Kohlendioxid-SI-Gashydraten, wobei sie funktionale Unterschiede aufzeigt und feststellt, dass Kohlendioxidmoleküle unter Druck eine parallele Ausrichtung in den großen Käfigen einnehmen, während Methan aufgrund eingeschränkter Rotationsfreiheitsgrade andere energetische Reaktionen zeigt.
Diese Studie vergleicht die Genauigkeit von zwei maschinengelernten Potenzialen (PIP und PhysNet) für protoniertes Oxalat durch umfangreiche „Stresstests" und zeigt, dass beide Methoden trotz unterschiedlicher Ansätze bei der Berechnung von Schwingungsenergien, IR-Spektren und Tunnelaufspaltungen in excellentem Einklang stehen.
Die Autoren stellen eine effiziente Implementierung der relativistischen linear-response Coupled-Cluster-Singles-and-Doubles-Theorie vor, die Perturbation-sensitive natürliche Spinoren und eine Cholesky-Zerlegung kombiniert, um kostengünstige und skalierbare Berechnungen von Polarisierbarkeiten für große Moleküle mit starken relativistischen Effekten zu ermöglichen.
Die Studie stellt die neue EOM-fpCCSD-Methode vor, die auf einem pCCD-Referenzansatz basiert und im PyBEST-Paket implementiert wurde, um als effiziente und genauere Alternative zu EOM-CCSD besonders für die Beschreibung von Ladungstransfer- und doppelt angeregten Zuständen zu dienen.
Die Studie stellt SmileyLlama vor, ein durch überwachtes Feinabstimmen und direkte Präferenzoptimierung angepasstes Large Language Model, das die Fähigkeit besitzt, gezielt neue, wirksame Wirkstoffmoleküle mit optimierten 3D-Strukturen zu generieren, ohne dabei seine allgemeinen Sprachfähigkeiten zu verlieren.