🔬 Category

physics.chem-ph

1032 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.

FragFM: Hierarchical Framework for Efficient Molecule Generation via Fragment-Level Discrete Flow Matching

Die Arbeit stellt FragFM vor, ein hierarchisches Framework zur effizienten Generierung von Molekülgraphen mittels fragmentbasierter diskreter Flow-Matching, das durch einen grob-zu-fein Autoencoder und eine stochastische Fragment-Strategie nicht nur eine überlegene Eigenschaftskontrolle ermöglicht, sondern auch durch die Einführung des NPGen-Benchmarks zur Bewertung der Erzeugung natürlicher Produkte einen neuen Maßstab für das Drug-Design setzt.

Joongwon Lee, Seonghwan Kim, Seokhyun Moon, Hyunwoo Kim, Woo Youn Kim2026-03-09🤖 cs.AI

Learning Long-Range Representations with Equivariant Messages

Die Studie stellt LOREM vor, ein Graph-Neurales-Netzwerk-Architektur, das durch die Verwendung äquivarianter Ladungen für langreichweitige Wechselwirkungen die Grenzen herkömmlicher, auf Skalaren basierender Korrekturschemata überwindet und dabei konsistent hohe Genauigkeit bei der Modellierung nicht-lokaler physikalischer Effekte in interatomaren Potenzialen erreicht.

Egor Rumiantsev, Marcel F. Langer, Tulga-Erdene Sodjargal, Michele Ceriotti, Philip Loche2026-03-09🔬 physics

Metatensor and metatomic: foundational libraries for interoperable atomistic machine learning

Die Arbeit stellt die Bibliotheken metatensor und metatomic vor, die als grundlegende Werkzeuge für den interoperablen Austausch von Daten und Modellen zwischen atomistischen Simulationssoftware und maschinellen Lernframeworks dienen, um so die Integration von ML in die atomistische Modellierung zu erleichtern.

Filippo Bigi, Joseph W. Abbott, Philip Loche, Arslan Mazitov, Davide Tisi, Marcel F. Langer, Alexander Goscinski, Paolo Pegolo, Sanggyu Chong, Rohit Goswami, Pol Febrer, Sofiia Chorna, Matthias Kellne (…)2026-03-09🔬 physics

Spectral/Spatial Tensor Atomic Cluster Expansion with Universal Embeddings in Cartesian Space

Die Arbeit stellt den Tensor Atomic Cluster Expansion (TACE) vor, ein neues äquivariantes atomistisches Machine-Learning-Modell, das skalare und tensorielle Eigenschaften in kartesischem Raum vereinheitlicht, um komplexe Kopplungen zu vermeiden und gleichzeitig präzise Vorhersagen für eine breite Palette von physikalischen Observablen und Systemen zu ermöglichen.

Zemin Xu, Wenbo Xie, P. Hu2026-03-09🔬 cond-mat.mtrl-sci

Tuning Domain-Based Charge Transfer in Organic Dyes: Impact of Heteroatom Doping in the pi-linker of Carbazole-Based Systems

Diese computergestützte Studie zeigt, dass durch gezielte Stickstoffdotierung in den Brücken von Carbazol-basierten organischen Farbstoffen die gerichtete Ladungsübertragung vom Donor zum Akzeptor signifikant gesteigert werden kann, wobei ein dreifach stickstoffdotiertes System mit 42,6 % Übertragungseffizienz als vielversprechendster Kandidat für Farbstoffsolarzellen identifiziert wurde.

Ram Dhari Pandey, Marta Galynska, Katharina Boguslawski, Pawel Tecmer2026-03-09🔬 physics

Two-dimensional RMSD projections for reaction path visualization and validation

Die Autoren stellen eine Methode vor, die Reaktionspfade durch zweidimensionale, permutationskorrigierte RMSD-Projektionen und eine energiebasierende Gauß-Prozess-Visualisierung darstellt, um strukturelle Umordnungen besser zu analysieren und Optimierungshistorien verschiedener computergestützter Chemie-Methoden unabhängig von der Reaktionsgeschichte vergleichbar zu machen.

Rohit Goswami2026-03-09🔬 cond-mat.mtrl-sci

Towards Quantum Advantage in Chemistry

Diese Studie demonstriert, dass der iterative Qubit-gekoppelte-Cluster-Algorithmus (iQCC) auf klassischen Prozessoren simuliert organometallische Komplexe mit einer Genauigkeit übertrifft, die klassische Methoden nicht erreichen, und definiert damit den Schwellenwert für den zukünftigen Quantenvorteil in der computergestützten Chemie.

Scott N. Genin, Ohyun Kwon, Seyyed Mehdi Hosseini Jenab, Seon-Jeong Lim, Taehyung Kim, Tae-Gon Kim, Rami Gherib, Angela F. Harper, Ilya G. Ryabinkin, Michael G. Helander2026-03-09⚛️ quant-ph

Direct Variational Calculation of Two-Electron Reduced Density Matrices via Semidefinite Machine Learning

Die vorgestellte Arbeit führt einen datengestützten Rahmen ein, der mittels semidefiniten maschinellen Lernens eine vertexbasierte Approximation der NN-Darstellbarkeit von Zwei-Elektronen-Dichtematrizen ermöglicht, um die Genauigkeit direkter variationsbasierter Berechnungen bei vergleichbarem Rechenaufwand zu steigern, ohne explizite Bedingungen höherer Ordnung zu benötigen.

Luis H. Delgado-Granados, David A. Mazziotti2026-03-09⚛️ quant-ph