🔬 Category

physics.chem-ph

1024 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.

Reaching precise proton affinities in non-Born-Oppenheimer calculations

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.

Luukas Nikkanen, Susi Lehtola2026-03-20🔬 physics

One-Body Properties and Their Perturbative Accuracy with Aufbau Suppressed Coupled Cluster Theory

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.

Conor Bready, Harrison Tuckman, Eric Neuscamman2026-03-20🔬 physics

QMCkl: A Kernel Library for Quantum Monte Carlo Applications

Die Bibliothek QMCkl stellt eine modulare, portable Sammlung hochperformanter Kernel für Quanten-Monte-Carlo-Berechnungen bereit, die durch die Trennung von algorithmischer Entwicklung und hardware-spezifischer Optimierung konsistente, effiziente und reproduzierbare Simulationen über verschiedene Codes und Architekturen hinweg ermöglicht.

Emiel Slootman, Vijay Gopal Chilkuri, Aurelien Delval, Max Hoffer, Tommaso Gorni, François Coppens, Joris van de Nes, Ramón L. Panadés-Barrueta, Evgeny Posenitskiy, Abdallah Ammar, Edgar Josué Landine (…)2026-03-20🔬 physics

Diagnosing Heteroskedasticity and Resolving Multicollinearity Paradoxes in Physicochemical Property Prediction

Die Studie zeigt, dass lineare Regressionsmodelle zur Vorhersage des LogP-Werts aufgrund schwerwiegender Heteroskedastizität ungeeignet sind, während baumbasierte Ensemble-Methoden nicht nur robustere Vorhersagen liefern, sondern durch SHAP-Analysen auch einen Multikollinearitäts-Paradoxon aufdecken, bei dem das Molekulargewicht trotz schwacher bivariater Korrelation als stärkster Prädiktor identifiziert wird.

Malikussaid, Septian Caesar Floresko, Ade Romadhony, Isman Kurniawan, Warih Maharani, Hilal Hudan Nuha2026-03-20🧬 q-bio

A Survey of Neural Network Variational Monte Carlo from a Computing Workload Characterization Perspective

Diese Arbeit bietet eine arbeitslastorientierte Übersicht und eine empirische GPU-Charakterisierung von vier repräsentativen Neural-Network-Variational-Monte-Carlo-Ansätzen, um durch die Analyse von Kernel-Verhalten und Hardware-Auslastung Engpässe zu identifizieren und Implikationen für ein skalierbares Algorithmus-Hardware-Co-Design abzuleiten.

Zhengze Xiao, Xuanzhe Ding, Yuyang Lou, Lixue Cheng, Chaojian Li2026-03-20🔬 physics

Spin-Flip Configuration Interaction for Strong Static Correlation in Quantum Electrodynamics

Diese Arbeit stellt die QED-SF-CIS-Methode vor, eine Erweiterung des Spin-Flip-Configuration-Interaction-Ansatzes um quantisierte Kavitätsphotonen, die es ermöglicht, starke statische Korrelationseffekte in molekularen Systemen unter starken Licht-Materie-Wechselwirkungen präzise zu beschreiben und so neue Möglichkeiten zur Kontrolle von Bindungsbrüchen und Phasenübergängen zu eröffnen.

Braden M. Weight, Zheng Pei, Sergei Tretiak2026-03-20🔬 physics

sbml4md: A computational platform for System-Bath Modeling via Molecular Dynamics powered by Machine Learning

Das Paper stellt sbml4md vor, eine auf maschinellem Lernen basierende Software, die aus Molekulardynamik-Simulationen Parameter für anharmonische Brown'sche Modelle extrahiert, um nichtlineare Schwingungsspektren molekularer Flüssigkeiten mittels der Hierarchischen Gleichungen der Bewegung (HEOM) präzise und ohne empirische Anpassungen zu simulieren.

Kwanghee Park, Seiji Ueno, Yoshitaka Tanimura2026-03-20🔬 physics

Isotope Effects in 2D correlation infrared Spectra of Water: HEOM Analysis of Molecular Dynamics-Based Machine Learning Models

Diese Studie nutzt das hierarchische Gleichungen der Bewegung (HEOM)-Verfahren, um auf maschinellem Lernen basierende Modelle für die nichtlineare Infrarotspektroskopie von Wasser anzuwenden und durch den Vergleich von H₂O und D₂O die nicht-Markovschen Relaxationsmechanismen und anharmonischen Kopplungen in 2D-Korrelationsspektren aufzuklären.

Kwanghee Park, Ryotaro Hoshino, Yoshitaka Tanimura2026-03-20🔬 physics