1001 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 entwickelt eine Methode zur Analyse der elektromagnetischen Kopplung zwischen subradianten Plasmonen und Farbstoff-Molekülexzitonen, indem sie spektrale Änderungen in der ultraschnellen oberflächenverstärkten Fluoreszenz nutzt und zeigt, dass diese Kopplung durch ein gekoppeltes Oszillatormodell erfolgreich beschrieben werden kann.
Diese Studie stellt einen dateneffizienten aktiven Lernansatz vor, der mit nur 300 quantenchemischen Berechnungen über 2,1 Millionen Ruthenium-, Osmium- und Iridium-Komplexe screenen kann, um vielversprechende Photosensibilisatoren für die Typ-I-photodynamische Therapie zu identifizieren und dabei chemische Designprinzipien für deren Entwicklung aufzudecken.
Die Studie stellt die POS-CCSD-Methode vor, die Elektronen und Positronen gleichberechtigt behandelt, um Positronenbindungsenergien in Anionen und polyatomaren Molekülen unter Berücksichtigung kritischer Elektronenkorrelationseffekte zu berechnen, wobei die Ergebnisse trotz noch nicht vollständig erreichter experimenteller Übereinstimmung aufgrund von Basisgrößenbeschränkungen die Bedeutung des Ansatzes für die Beschreibung solcher Systeme unterstreichen.
Basierend auf dem Landau-Fermi-Flüssigkeitsmodell stellt die vorgestellte Occupancy Extrapolation (OE) eine effiziente Methode dar, die angeregte Zustände aus Grundzustandsrechnungen ableitet und dabei die Genauigkeit von SCF-DFT bei einem rechnerischen Aufwand von bewahrt.
Diese Studie zeigt, dass ein auf dem OMol25-Datensatz trainiertes maschineller Lern-Potential (UMA-OMol) die Struktur und Solvatation von Natrium-Ionen-Elektrolyten präziser vorhersagt als herkömmliche Modelle und durch experimentelle Validierung sowie detaillierte Einblicke in temperatur- und zusammensetzungsabhängige Effekte als vielversprechende Methode für die Hochdurchsatz-Simulation von Batterieelektrolyten etabliert wird.
Diese Arbeit stellt einen neuartigen Block-invarianten symmetriegeschobenen Tensor-Hyperkontraktions-Ansatz (BLISS-THC) und eine Kompilierung für die Active-Volume-Architektur vor, die zusammen eine zweistufige Beschleunigung der geschätzten Laufzeiten für quantenchemische Simulationen, insbesondere am Beispiel des P450-Moleküls, ermöglichen.
Diese Studie zeigt, dass für präzise Berechnungen von Protonenaffinitäten in nicht-Born-Oppenheimer-Methoden zwar die meisten Protonenbasis-Sätze ausreichen, jedoch die Verwendung unkontrahierter elektronischer Basis-Sätze auf quantisierten Protonen notwendig ist, um die Konvergenz gegenüber dem vollständigen Basis-Satz-Limit drastisch zu verbessern und dabei die Genauigkeit einer höheren Zeta-Ebene bei vernachlässigbarem Mehraufwand zu erreichen.
Der Artikel schlägt Verfahren vor, um durch Mikrowellen- oder Infrarot-Anregung und hyperfein-induzierte Quantenbeats hochgradig kernspin-polarisierte Molekülstrahlen für Anwendungen wie die Signalverstärkung in der Kernspinresonanz und die Kernfusion zu erzeugen.
Die Autoren leiten und implementieren die Berechnung der Einteilchen-Reduzierten Dichtematrix für die Aufbau-unterdrückte Coupled-Cluster-Theorie, um angeregte Zustände und Eigenschaften wie Dipolmomente zu bestimmen, wobei sie durch iterative Verfeinerung in natürlichen Orbitalen eine Unabhängigkeit von den Startorbitaln erreichen und eine Genauigkeit nachweisen, die der linearer Response- und Gleichungsbewegungs-Coupled-Cluster-Methoden entspricht.
Die Studie zeigt, dass die Integration langreichweitiger Korrekturen in Machine-Learning-Potentiale entscheidend ist, um deren Generalisierungsfähigkeit auf bisher nicht gesehene Bereiche des chemischen Raums zu verbessern, und stellt dabei eine neue, rigorose Benchmark-Methode zur Bewertung dieser Transferierbarkeit vor.