785 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 widerlegt die gängige Annahme einer atomar flachen und einheitlich aluminiumterminierten unrekonstruierten -AlO(0001)-Oberfläche und zeigt mittels nc-AFM sowie DFT-Rechnungen, dass diese intrinsisch inhomogen und rau ist, wobei nur nanometergroße Bereiche die geordnete (1 1)-Struktur aufweisen.
Diese Mini-Review identifiziert „strukturelle Dämonen" als chemisch ungültige Kristallstrukturen in digitalen retikulären Chemiedatenbanken, analysiert deren Entstehungsursachen und schlägt präventive Maßnahmen wie die konsistente Verknüpfung von Beugungsdaten mit Syntheseinformationen sowie eine strengere Topologie-Filterung vor, um die Zuverlässigkeit computergestützter Entdeckungen zu gewährleisten.
Die Studie demonstriert die Kontrolle der Isomerpopulation von Ionen in superfluiden Helium-Nanotröpfchen sowie die Aufnahme verborgener Infrarotspektren einzelner Isomere durch den Einsatz eines zweifarbigen, synchronisierten Infrarot-Freie-Elektronen-Lasers.
Die Arbeit stellt „Split-Flows" vor, einen neuartigen, auf Flüssen basierenden Ansatz, der das Backmapping von grobkörnigen auf atomistische Molekülmodelle als kontinuierlichen Maßtransport interpretiert, um sowohl präzise Rekonstruktionen als auch erstmals eine berechenbare Quantifizierung des Informationsverlusts zu ermöglichen.
Die Autoren stellen ein DFT-genaues, maschinell gelerntes Potenzial vor, das es ermöglicht, durch tiefpotentialbasierte Molekulardynamik-Simulationen mit extrem langsamen Abkühlraten und einem geeigneten geometrischen Deskriptor B₂O₃-Gläser mit einer Boroxol-Ring-Fraktion von über 30 % zu erzeugen, die sich einer experimentell geschätzten energetischen Minimum bei 75 % nähert.
Die Arbeit stellt strenge Metriken vor, um zu untersuchen, wie unbeschränkte maschinelle Lernmodelle physikalische Symmetrien erlernen, und zeigt, dass durch strategisches Einfügen minimaler induktiver Vorurteile sowohl die Stabilität als auch die Genauigkeit verbessert werden können, ohne die hohe Ausdruckskraft der Architekturen zu beeinträchtigen.
Diese Studie nutzt reaktive Deep-Learning-Potentiale, um zu zeigen, dass die durch einen Nukleophilaangriff initiierte Cyclisierung von Polyacrylonitril (PAN) den geschwindigkeitsbestimmenden Schritt darstellt, der eine anschließende, um den Faktor 10.000 beschleunigte, lithiumionengekoppelte Elektronenübertragung und Ringbildung entlang der Polymerkette auslöst.
Diese Studie zeigt, dass molekulardynamische Simulationen mit quantenmechanischen Korrekturen und der Berücksichtigung der Membranbewegung zuverlässige Vorhersagen für die Wasserstoffpermeation durch Graphdiyn-Membranen ermöglichen, wobei die thermische Bewegung der Membran die Permeationsbarrieren signifikant senkt.
Die Autoren stellen eine GPU-beschleunigte Implementierung des Multigrid-Gauß-Planewellen-Dichtefit-Algorithmus in PySCF vor, die mittels CUDA-Kernen eine bis zu 25-fache Beschleunigung gegenüber CPU-Implementierungen bei der Berechnung von Fock-Matrizen und Kerngradienten für große Systeme ermöglicht.
Diese Studie stellt einen nachhaltigen photokatalytischen Ansatz vor, der Mikroalgen als Opfermittel nutzt, um die Wasserstoffproduktion aus Brookit-TiO₂ drastisch zu steigern und gleichzeitig wertvolle Chemikalien wie Methan und Kohlenmonoxid zu erzeugen.