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 entwickelt eine volldimensionale Potentialenergiefläche für die NH2 + O-Reaktion mittels hochpräziser quantenchemischer Berechnungen und maschinellem Lernen, um durch Trajektorienrechnungen genaue kinetische Daten für die Verbrennung von Stickstoff-basierten Brennstoffen zu liefern.
Diese Studie entwickelt eine hochpräzise, physikalisch fundierte Potentialenergiefläche für den Helium-Benzol-Komplex durch Kombination von hochrangigen CCSD(T)-Berechnungen mit multifidelen Gauß-Prozess-Regressionen und nutzt diese für PIMC-Simulationen, die signifikant andere Solvatationsverhalten im Vergleich zu empirischen Potenzialen aufzeigen.
Die Studie stellt eine neue, auf Atomnummern basierende XDM(Z)-Dispensionskorrektur vor, die in Kombination mit hybriden Funktionale wie revPBE0 und B86bPBE0 sowohl auf der GMTKN55-Datenbank als auch bei molekularen Kristallen eine hervorragende und konsistente Genauigkeit ohne übermäßige Empirie erreicht.
Diese Arbeit stellt eine neue, wiederverwendbare Engine in PyBEST vor, die analytische OOpCCD-Gradienten mit dem \texttt{geomeTRIC}-Optimierer koppelt und damit erstmals eine robuste, gradientengetriebene Geometrieoptimierung für senioritäts-null-Wellenfunktionen mit orbitaler Optimierung ermöglicht.
Die vorgestellte Arbeit stellt ein einheitliches maschinelles Lern-Framework vor, das maschinell gelernte Atompotentiale mit neuronaler klassischer Dichtefunktionaltheorie kombiniert, um die Multiskalenmodellierung von Flüssigkeiten wie Wasser und Kohlendioxid effizient und rein aus ersten Prinzipien zu ermöglichen.
Diese Arbeit schlägt einen geometrischen, auf Bohmianischen Trajektorien basierenden Ansatz vor, der unter Verwendung von Lagrange-Deskriptoren in einem zweidimensionalen Vorbereitungsraum aus Gaußschen Wellenpaketen eine Alternative zum algebraischen OTOC-Diagnostikum für Quanten-Chaos bietet und dabei die exponentielle Sensitivität des invertierten harmonischen Oszillators analytisch nachweist.
Diese Studie stellt neue Batch-Algorithmen für effiziente Coupled-Cluster-Implementierungen auf NVIDIA Hopper- und Grace-Hopper-GPUs vor, die durch optimierte Tensor-Kontraktionen mit CuPy und PyTorch eine bis zu zehnfache Beschleunigung gegenüber früheren hybriden Ansätzen erreichen.
Diese Übersicht beleuchtet, wie Molekülform, Chiralität, Polarität und räumliche Einschränkung in paraelektrischen und ferroelektrischen nematischen Flüssigkristallen zu entarteten Gleichgewichtszuständen und Polydomainstrukturen führen, die durch Paritätsverletzung sowie Splay-, Bend- und Twist-Bend-Verformungen des Ordnungsparameters gekennzeichnet sind.
Die Arbeit stellt olLOSC vor, eine einheitliche und effiziente Dichtefunktional-Näherung, die auf orbitalfreier elektronischer Linearantwort basiert, um den Delokalisierungsfehler in Molekülen und periodischen Materialien mit hoher Genauigkeit zu korrigieren und so robuste Anwendungen über verschiedene Systemgrenzen hinweg ermöglicht.
Diese Studie nutzt die Methode der transienten Zeitkorrelationsfunktionen (TTCF), um erstmals die Schergeschwindigkeitsabhängigkeit der Rutschlänge von Wasser in Graphen-Nanokanälen bei experimentell zugänglichen, niedrigen Scherraten zu berechnen und dabei die Übereinstimmung mit Gleichgewichtssimulationen und Experimenten für hochgleitende Systeme nachzuweisen.