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.
Die Studie zeigt, dass der Casimir-Effekt in gesalzenem Wasser durch einen universellen Beitrag elektromagnetischer Fluktuationen eine größere Reichweite besitzt als bisher angenommen, was insbesondere für die Wechselwirkungen von Aktinfasern auf Zellebene von erheblicher Bedeutung ist.
Die vorgestellte Studie entwickelt ein reproduzierbares hybrides Quanten-Klassisch-Framework, das durch eine quanteninspirierte Merkmalsabbildung und ein Deep Quantum Neural Network (DQNN) die Genauigkeit und Generalisierungsfähigkeit der Vorhersage von pKa-Werten auf Restebene in Proteinen verbessert.
Diese Arbeit etabliert die Pfadentropie als entscheidendes Ordnungsprinzip für die Stabilität von Mustern in Reaktions-Diffusions-Systemen fern vom Gleichgewicht, indem sie zeigt, wie intrinsische Stochastik bei endlicher Teilchenzahl die Übergangsraten zwischen metastabilen Phasen über einen neuen instantonen Rahmenwerk bestimmt.
Die Studie zeigt, dass die Rutschigkeit von Eis zwar durch eine initial entstehende Schmierfilm gebildet werden kann, aber erst durch Reibungswärme, die den Kontaktbereich bis zum Schmelzpunkt erwärmt, vollständig erklärt wird, was frühere nanoskalige Simulationen ohne diesen Effekt nicht leisten konnten.
Die Studie zeigt, dass die spin-gegenüber skalierte O2BMP2-Störungstheorie eine effiziente und hochgenaue Methode zur Vorhersage invertierter Singulett-Triplett-Übergänge darstellt und somit eine vielversprechende Alternative zu rechenintensiven Hochpräzisionsverfahren für das Hochdurchsatz-Screening von OLED-Materialien bietet.
Die Studie zeigt, dass die neu entwickelte OBMP2-Methode zur Berechnung von K-Rand-Anregungsenergien durch ihre selbstkonsistente Behandlung von Korrelationseffekten etablierte Verfahren wie ΔDFT und EOM-CCSD sowohl bei geschlossenen als auch bei offenen Schalen deutlich übertrifft.
Dieser Artikel stellt eine rigorose theoretische Herleitung der selbstkonsistenten One-Body-Double-Hybrid-Dichtefunktionaltheorie (OBDHF) vor, die das verallgemeinerte Kohn-Sham-Formalismus mit der OBMP2-Störungstheorie vereint, um die inhärente Inkonsistenz herkömmlicher Double-Hybrid-Funktionale zu überwinden, indem der Korrelationsbeitrag direkt in den effektiven Hamilton-Operator eingebettet wird.
Diese Studie zeigt durch eine vollständige *ab initio*-Analyse von Yb(III)-Molekülen, dass die Spin-Gitter-Relaxation durch Raman-Prozesse gesteuert wird und dass strukturelle Änderungen jenseits der ersten Koordinationskugel zu nicht-trivialen Effekten führen, was einfache magneto-strukturelle Korrelationen als Designwerkzeug unzureichend macht und stattdessen prädiktive First-Principles-Frameworks für die zukünftige Entwicklung molekularer Qubits erfordert.
Diese Arbeit stellt einen mathematischen Rahmen vor, der es ermöglicht, statistische Ensembles hybrider klassisch-quantenmechanischer Systeme zu definieren, wobei durch ein Maximum-Entropie-Prinzip ein wohldefiniertes mikrokanonisches Ensemble für kontinuierliche Energiebereiche abgeleitet und dessen Zusammenhang mit dem kanonischen Ensemble sowie die Übertragung klassischer Eigenschaften in das Quantenreich aufgezeigt werden.
Die Arbeit stellt NMIRacle vor, ein zweistufiges generatives KI-Framework, das aus IR- und NMR-Spektren präzise Molekülstrukturen ableitet, indem es fragmentbasierte chemische Modelle mit spektralen Daten verknüpft und dabei bestehende Methoden in Bezug auf Genauigkeit und Robustheit übertrifft.