985 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.
Mithilfe einer Spektral-Gewichtungsanalyse identifizieren die Autoren kurzlebige, aus Fluktuationen entstandene Oxoniumionen in flüssigem Wasser, die auf der Pikosekunden-Zeitskala eine Konzentration von etwa 2 % erreichen und Wasser zu einer effektiven ionischen Flüssigkeit in der Femtochemie machen.
Die Studie demonstriert einen neuartigen Prototyp eines reinen Wasser-basierten Membran-Elektroden-Systems, das durch die Ausnutzung von Nano-Einschluss-Effekten an Kohlenstoffgrenzflächen eine hohe Energiedichte für elektrochemische Doppelschichtkondensatoren erreicht und dabei auf herkömmliche Elektrolyte verzichtet.
Die Studie klärt den Mechanismus der Kontaktentladung von Wasser auf, indem sie zeigt, dass die Ladung von Mikrotröpfchen durch einen pH-abhängigen Kontaktpotentialunterschied zwischen verschiedenen Grenzflächen bestimmt wird, was zu einer bidirektionalen Ladungsübertragung führt.
Der Artikel stellt ein auf dem kanonischen Ensemble und dem Kern-Tröpfchenmodell basierendes statistisches Modell zur Berechnung der Ionisationscluster-Größenverteilung in der Nanodosimetrie vor, das sich speziell für niederenergetische Primärteilchen in Nanovolumina eignet, wo Trajektorienmodelle versagen.
Die Studie stellt eine hierarchische Reihe photonischer Approximationen vor, die zeigen, dass für bestimmte Moleküle wie Ameisensäure der komplexe Gaussian-Boson-Sampling-Ansatz durch effizientere Methoden, wie das Abtasten kohärenter Zustände unter der linearen Kopplungsnäherung, ersetzt werden kann, um molekulare Vibronenspektren zu simulieren.
Die Studie zeigt, dass universelle maschinelle Lernpotenziale wie MACE-OMAT und MatterSim-v1.0.0-1M zwar mit geringerer Recheneffizienz als domänenspezifische Modelle strukturelle Erkundungen und dynamische Simulationen von auf Al₂O₃-getragenen Kupfer-Nanopartikeln qualitativ gut nachbilden können, jedoch ohne weitere Anpassung nutzbar sind.
Diese Arbeit stellt ein grundlegendes implizites Solvensmodell vor, das durch Wissensdistillation aus einem Protein-Sprachmodell (ESM3) in ein effizientes Graph-Neuronales-Netzwerk überführt wird und damit erstmals stabile Simulationen sowohl gefalteter Proteine als auch intrinsisch ungeordneter Proteine ermöglicht.
Die Studie stellt eine Erweiterung der „koopmon"-Methode vor, die auf Koopman-Wellenfunktionen basiert und die Heisenberg-Unschärferelation sowie Korrelationseffekte berücksichtigt, um die Quanten-Klassisch-Dynamik von Rashba-Spin-Bahn-Kopplung in Nanodrähten präziser als herkömmliche Ehrenfest-Modelle zu beschreiben.
Die Studie wendet das neuartige aperiodische Defektmodell (ADM) erfolgreich auf eine negativ geladene Monovakanze in Phosphoren an, um durch die Vermeidung künstlicher Wechselwirkungen und den Einsatz hochpräziser quantenchemischer Methoden präzise Bildungs- und Anregungsenergien zu bestimmen und so eine Brücke zwischen Festkörperphysik und molekularer Quantenchemie zu schlagen.
Die Arbeit stellt eine verbesserte Sum-of-Gaussians-Tensor-Neural-Network-Architektur vor, die durch Modellreduktion und die strikte Wahrung der Antisymmetrie über einen Slater-Determinanten-Ansatz eine hochpräzise, spektral konvergente und ultra-effiziente Lösung der Viel-Elektronen-Schrödinger-Gleichung für eindimensionale Soft-Coulomb-Systeme ermöglicht.