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.

Helium Bubbles in Liquid Lead Lithium Solutions: Pressure Inhomogeneities at Interfaces and Non Ideal Mixture Effects

Diese Studie nutzt klassische Molekulardynamik-Simulationen, um die Keimbildung, Stabilität und Grenzflächenspannung von Heliumblasen in flüssigen Blei-Lithium-Legierungen über einen Bereich von Temperaturen und Zusammensetzungen zu untersuchen und liefert damit entscheidende Erkenntnisse für das Design von Brutblankets in Kernfusionsreaktoren.

Edgar Alvarez-Galera, Jordi Marti, Lluis Batet2026-05-14🔬 cond-mat.mtrl-sci

MPINeuralODE: Multiple-Initial-Condition Physics-Informed Neural ODEs for Globally Consistent Dynamical System Learning

Das Papier stellt MPINeuralODE vor, ein neuartiges Framework, das weiche physikinformierte Residuen mit einem Curriculum für mehrere Anfangsbedingungen integriert, um die Generalisierung, die Langzeitstabilität und die physikalische Konsistenz von Neural ODEs über nicht gesehene Anfangsbedingungen hinweg signifikant zu verbessern.

Lake Yang, Antonio Malpica-Morales, Frank Ioannis Papadakis Wood, Serafim Kalliadasis2026-05-14🔬 physics

Reducing cross-sample prediction churn in scientific machine learning

Dieser Beitrag führt das Konzept des „Cross-Sample-Prediction-Churn" ein, um die Instabilität wissenschaftlicher Machine-Learning-Modelle über verschiedene Trainingsdatenziehungen hinweg hervorzuheben, und zeigt, dass datenseitige Methoden wie KK-Bootstrap-Bagging und der vorgeschlagene Twin-Bootstrap-Ansatz diesen Churn erheblich reduzieren, ohne die Vorhersagegenauigkeit zu beeinträchtigen, im Gegensatz zu standardmäßigen parameterseitigen Techniken.

Gordan Prastalo, Kevin Maik Jablonka2026-05-14🔬 cond-mat.mtrl-sci

Revolutionising Antibacterial Warfare: Machine Learning and Molecular Dynamics Unveiling Potential Gram-Negative Bacteria Inhibitors

Diese Studie nutzt maschinelles Lernen und Molekulardynamik, um potenzielle Inhibitoren zu identifizieren, die auf Resistenzmechanismen gramnegativer Bakterien abzielen, insbesondere RND-Effluxpumpen und Erythromycin-Esterasen, mit dem Ziel, die Einschränkungen bestehender von der FDA zugelassener antibakterieller Wirkstoffe zu überwinden.

Pritish Joshi, Abhishek Bera, Niladri Patra2026-05-13🔬 physics

Quantum Computing Beyond Ground State Electronic Structure: A Review of Progress Toward Quantum Chemistry Out of the Ground State

Dieser Übersichtsartikel untersucht den Fortschritt und das Potenzial des Quantencomputings, die Quantenchemie über Grundzustandsberechnungen hinaus voranzubringen, mit einem spezifischen Fokus auf Anwendungen in Reaktionsmechanismen, Dynamik und Systemen endlicher Temperatur, wobei gleichzeitig die damit verbundenen algorithmischen Herausforderungen und Möglichkeiten für experimentelle Auswirkungen adressiert werden.

Alan Bidart, Prateek Vaish, Tilas Kabengele, Yaoqi Pang, Yuan Liu, Brenda M. Rubenstein2026-05-13⚛️ quant-ph

Low-rank compression of two-electron reduced density matrices

Dieser Beitrag stellt ein strukturerhaltendes Low-Rank-Kompressionsprotokoll für Zwei-Elektronen-reduzierte Dichtematrizen vor, das die Speicher-Skalierung von quartisch auf quadratisch reduziert, während die chemische Genauigkeit erhalten bleibt, und ermöglicht dadurch die effiziente Anwendung von Eigenvektor-Fortsetzungs-Workflows auf großskalige nichtadiabatische Molekulardynamik-Simulationen.

Kemal Atalar, Hugh G. A. Burton, Andreas Grüneis, George H. Booth2026-05-13🔬 physics

Geometrical Imperfections in a Digital Quadrupole Mass Filter: A Comprehensive Simulation Study in the First Stability Zone

Diese Studie nutzt umfassende Simulationen, um nachzuweisen, dass geometrische Imperfektionen in rechteckigen, wellengetriebenen Quadrupol-Massenspektrometern Oktopolfeldverzerrungen hervorrufen, die die Massenauflösung und den Transmissionseffizienz beeinträchtigen, wobei die Leistung zusätzlich von der Anfangsphase des angelegten gepulsten Wellenformsignals relativ zu den asymmetrischen Stabpositionen abhängt.

Brotin Taraphdar, Sukanya Jana, Pintu Mandal, Nabanita Deb2026-05-13🔬 physics

Background-free measurement of exciton-exciton annihilation by two-quantum fluorescence-detected pump-probe spectroscopy

Dieser Beitrag stellt eine hintergrundfreie, auf Fluoreszenzdetektion basierende Pump-Probe-Spektroskopietechnik mit zwei Quanten vor, die Phasencyclen und Nachverarbeitung nutzt, um ultraschnelle Exziton-Exziton-Annihilationsdynamiken und doppelt angeregte elektronische Zustände in multichromophoren Systemen zu isolieren, indem inkohärente Mischung und parasitäre Signale eliminiert werden.

Ajay Jayachandran, Stefan Mueller, Christoph Lambert, Tobias Brixner2026-05-13🔬 physics.optics

Analytical emission model for the design of primary effusive sources

Dieser Beitrag stellt ein verbessertes analytisches Emissionsmodell vor, das auf einem Sekundäremissionsflächenansatz basiert und die winkelabhängige Intensitätsverteilung sowie die Flussparameter primärer effusiver Quellen im gesamten Bereich des molekularen Strömungsregimes, von transparenten bis zu undurchsichtigen Regimen, präzise vorhersagt, um die Konstruktion effizienter Quellen für Experimente der Atom- und Molekülphysik zu leiten.

I. N. Ashkarin, J. Cheayto, P. Cheinet, D. Comparat, S. Lepoutre2026-05-13🔬 physics.atom-ph