763 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 zeigt, dass niedrig dotierte CeO- und CeOMnO-Nanopartikel auf Vulcan XC-72-Kohlenstoff die Selektivität und Aktivität für die nachhaltige elektrochemische Wasserstoffperoxid-Erzeugung über die Zwei-Elektronen-Sauerstoffreduktionsreaktion signifikant verbessern, wobei der 1 % CeOMnO/C-Katalysator eine Selektivität von bis zu 90 % erreicht.
Diese Arbeit schlägt ein vereinheitlichtes Framework auf Repräsentationsebene für die Gleichgewichtstheorie vielteiliger Quantensysteme vor, das verschiedene Methoden als Encoder charakterisiert, welche zulässige Zustände auf spezifische Variablen abbilden, wodurch die Bedingungen für eine exakte Rekonstruktion geklärt und Konzepte wie Funktionale, Kerne und Quanten-Einbettung durch die Analyse von Zustandsfasern und aufgabenrelevanter Information vereinheitlicht werden.
Dieses Paper stellt PoseBusters vor, ein Validierungswerkzeug, das demonstriert, dass aktuelle auf Deep Learning basierende Protein-Ligand-Docking-Methoden oft daran scheitern, physikalisch plausible Strukturen zu erzeugen oder auf neuartige Sequenzen zu generalisieren, und dadurch gegenüber klassischen Docking-Tools, die essenzielle physikalische Prinzipien besser einbeziehen, unterperformen.
Dieses Paper führt BayesMBAR ein, eine bayessche Verallgemeinerung der Multistate-Bennett-Acceptance-Ratio-Methode (MBAR), die freie Energie-Posteriorverteilungen berechnet, um genauere Unsicherheitsschätzungen zu liefern und die Einbeziehung von Vorwissen, wie etwa Oberflächenglattheit, in Berechnungen der freien Energie zu ermöglichen.
Diese Studie vergleicht das Potenzial von Machine-Learning-Foundations mit quantenchemischen Methoden zur Vorhersage molekularer Redoxpotenziale, wobei sie deren hohe Genauigkeit für protonengekoppelte Elektronentransfers, aber auch ihre Einschränkungen bei Multi-Elektronen-Transfers aufzeigt, und schlägt einen hybriden Workflow vor, der eine effiziente potenzialbasierte Geometrieoptimierung mit einer Single-Point-DFT-Energieverfeinerung kombiniert, um ein skalierbares Hochdurchsatz-Screening zu ermöglichen.
Dieses Paper führt SC3 ein, einen streng kuratierten Benchmark für die Löslichkeit in Mehrfachlösemitteln mit einer rekalibrierten aleatorischen Grenze und fortschrittlichen Evaluationsmetriken, der aufzeigt, dass aktuelle State-of-the-Art-Modelle weitaus weniger zuverlässig sind als bisher angenommen, und die entscheidende Rolle kalibrierter Unsicherheit für zukünftige Verbesserungen hervorhebt.
RLLEASE ist eine auf Reinforcement Learning basierende Engine, die die geometrieabhängige Auswahl des aktiven Raums für Multireferenz-Elektronendichteberechnungen automatisiert, indem sie ein neuronales Netzwerk trainiert, um Orbital-Scores vorherzusagen, wodurch Hochdurchsatz-Workflows ohne die Notwendigkeit von Expertenintuition oder kostspieligen vorläufigen DMRG-Berechnungen ermöglicht werden.
Diese Studie demonstriert die hochchemoselektive und stereospezifische Oberflächensynthese von Tetraaza[4]radialenen mittels einer [1+1+1+1]-Cycloaddition von Isocyaniden auf Au(111), gefolgt von deren weitreichenden 2D-Kristallisation in homochirale Strukturen, die durch enantioselektive molekulare Erkennung gesteuert wird.
Diese Arbeit präsentiert eine All-Elektronen-Implementierung der dynamischen Bethe-Salpeter-Gleichung für ausgedehnte Systeme mittels numerischer atomzentrierter Orbitale, welche dynamische Abschirmungseffekte berücksichtigt und durch Anwendungen auf Molekularkristalle wie Naphthalin validiert wird.
Dieses Paper führt die Kovalente Feldtheorie (CFT) ein, ein Framework, das langjährige Unklarheiten in Molekül-Oberflächen-Wechselwirkungen auflöst, indem es die chemische Affinität als eine kontinuierliche Grenzflächeneigenschaft anstatt als ein diskretes geometrisches Attribut neu definiert und damit eine theoretische Grundlage für die Entstehung aktiver Zentren, lineare Skalierungsrelationen und Brønsted-Evans-Polanyi-Korrelationen über komplexe Oberflächen hinweg bereitstellt.