978 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.
Diese Studie stellt ein transferierbares FB-GNN-MBE-Framework vor, das durch die Integration fragmentbasierter Graph-Neural-Networks in die Many-Body-Expansion-Theorie und den Einsatz von Transfer-Learning-Methoden präzise und effiziente Vorhersagen von Potentialenergieflächen für komplexe chemische Systeme ermöglicht.
Die Studie demonstriert, dass die für die Interpretation von NMR-Spektren im ultraniedrigen Magnetfeld erforderlichen, klassisch rechenintensiven Simulationen ein vielversprechendes Anwendungsfeld für fehlertolerante Quantencomputer darstellen, wobei von der Eingabeselektion bis zum Aufbau expliziter Schaltkreise eine ganzheitliche Analyse für frühe Fehlertoleranz-Architekturen durchgeführt wird.
Die vorgestellte Arbeit entwickelt ein universelles, auf Transformer-Architekturen basierendes Framework für die grobkörnige Molekulardynamik, das mittels einer baumstrukturierten Repräsentation und stochastischer Differentialgleichungen Proteinbewegungen mit sub-Ångström-Genauigkeit und einer bis zu 20.000-fachen Beschleunigung gegenüber traditionellen Simulationen modelliert.
Die Autoren entwickeln effiziente Techniken für die transkorrelierte Dichtematrix-Renormierungsgruppen-Methode (DMRG), die durch die Konstruktion kompakter Matrixproduktoperatoren, die Ausnutzung der Verschränkungsstruktur und die Optimierung des Gutzwiller-Korrelators die Berechnung der Grundzustandsenergie des zweidimensionalen Fermi-Hubbard-Modells auf Gittern bis zu Plätzen ermöglicht und dabei im Vergleich zur herkömmlichen DMRG eine bis zu 17-fache Reduktion des Energiefehlers bei gleichem Rechenaufwand erzielt.
Die Arbeit stellt eine Newton-Optimierung für die Multiconfiguration-Self-Consistent-Field-Methode (MCSCF) bei geschlossenen Schalen mit zwei Elektronen vor, bei der sowohl Orbitale als auch CI-Koeffizienten über ein Lagrange-Formalismus in ein diskretisiertes Newton-System überführt werden, das iterativ mit Multiwavelets gelöst wird.
Die Studie stellt das skalierbare Quanten-Embedding-Framework FEMION vor, das die Kosten-Genauigkeits-Dilemma bei der Simulation katalytischer Metalloberflächen löst und präzise Vorhersagen für Adsorptionsstellen, Desorptionsbarrieren sowie die Übertragbarkeit der 10-Elektronen-Regel auf Einzelelement-Katalyse ermöglicht.
Die Autoren stellen eine numerisch exakte und skalierbare Methode auf Basis von Matrixproduktzuständen vor, um die Dekohärenz und Dynamik wechselwirkender Spin-Systeme in Festkörpern und molekularen Magneten präzise vorherzusagen und so die Entwicklung robusterer Quantentechnologien zu unterstützen.
Die Studie zeigt, dass durch Sauerstoff- und Fluor-Funktionalisierung sowie kryogene Temperaturen die Schwelle für die selektive Schwefelentfernung aus MoS₂ mittels Niedertemperaturplasma signifikant gesenkt wird, wodurch eine präzise und schadensarme Bearbeitung von Übergangsmetall-Dichalkogeniden ermöglicht wird.
Diese Studie stellt eine auf Convolutional Neural Networks basierende Klassifizierungsmethode vor, die mit überlegener Genauigkeit experimentell synthetisierbare Zeolithe von hypothetischen Strukturen unterscheidet und dabei eine kleine Gruppe vielversprechender Kandidaten für die zukünftige experimentelle Synthese identifiziert.
Diese Arbeit verallgemeinert die bekannte analytische Äquivalenz zwischen der Random-Phase-Approximation (RPA) und einem ringförmigen gekoppelten Cluster-Doubles-Modell auf den Fall der Quantenelektrodynamik in einem Hohlraum und zeigt numerisch die Übereinstimmung zwischen QED-RPA und einem QED-ring-CCD-Modell, das Elektronendoppelanregungen sowie gekoppelte Einfachanregungen und Photonenerzeugung berücksichtigt.