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 vorliegende Arbeit entwickelt ein analytisches Framework zur Bewertung stochastischer Verlet-Integratoren für die Langevin-Gleichung anhand von Diffusions-, Drift- und statistischen Probenahmemessungen und identifiziert die GJ-Integratoren als die überlegene Wahl für präzise thermodynamische Simulationen.
Durch die Kombination der Finite-Elemente-Methode mit der Methode der beweglichen Asymptoten beschleunigt FEMMA die Quanten-Optimierungskontrolle, indem es die Berechnung von Spin-Trajektorien und Gradienten effizienter gestaltet und die Konvergenzrate erhöht.
Die Studie untersucht mittels einer selbstkonsistenten Feldtheorie, wie hydrodynamische Fluktuationen in getriebenen Elektrolyten zu verschiedenen Regimen anomaler Diffusion führen und dabei die Dynamik nicht-gleichgewichtiger stationärer Zustände trotz Debye-Abschirmung dominieren.
FragmentFlow ist ein neuer „Divide-and-Conquer“-Ansatz zur skalierbaren Generierung von Übergangszuständen, der durch die Vorhersage der reaktiven Kernatome und das anschließende Wiederanfügen von Substituenten die Genauigkeit bei großen Molekülen erhöht und gleichzeitig den Rechenaufwand für Optimierungen reduziert.
Das Paper stellt NMRTrans vor, ein auf dem neu entwickelten, groß angelegten Korpus NMRSpec basierendes Modell, das mittels Set-Transformern NMR-Spektren als ungeordnete Peak-Mengen modelliert und durch die Nutzung experimenteller Daten eine deutlich verbesserte Genauigkeit bei der Strukturaufklärung erreicht.
Die Studie untersucht mittels Molekulardynamik-Simulationen die feldgetriebene Ionenpaarbildung in konzentrierten Elektrolyten und zeigt auf, dass klassische Kontinuumstheorien die feldinduzierte Leitfähigkeit aufgrund der Vernachlässigung molekularer Details und Lösungsmittel-Effekte überschätzen.
In dieser Arbeit wird ein effizientes alchemistisches Protokoll vorgestellt, das mithilfe eines vortrainierten, maschinell gelernten Potenzials die Berechnung von Solvationsfreienergien kleiner organischer Moleküle mit experimenteller Genauigkeit ermöglicht.
Die Studie stellt CheMeleon vor, ein mit ca. 10 Millionen Parametern ausgestattetes Foundation-Modell, das durch das Pre-training mit präzisen molekularen Deskriptoren anstelle von verrauschten experimentellen Daten die Leistung von Message-Passing-Netzwerken über klassische Machine-Learning-Methoden hebt.
Die Arbeit erweitert eine bestehende Untersuchung, um die Menge der -repräsentierbaren Dichten für eine beliebige Anzahl von Teilchen auf einem eindimensionalen Torus bei endlicher Temperatur explizit zu beschreiben, wobei die Konvexität der thermischen Universal-Funktionalität genutzt wird, um die maximale Menge dieser Dichten im Sobolev-Raum zu bestimmen.
Diese Arbeit präsentiert eine neue Machine-Learning-Methodik, die durch den Einsatz von Langstrecken-Deskriptoren die elektronische Dichte in großskaligen Moiré-Supergittern präzise vorhersagt und so die effiziente Modellierung komplexer Quantenphänomene in 2D-Materialien ermöglicht.