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.
Diese Arbeit stellt einen neuartigen Analog-Ansatz zur Simulation gekoppelter Elektron-Kern-Dynamik in Molekülen ohne Born-Oppenheimer-Näherung vor, der auf nahzeitigen Quantencomputern wie Ionenfallen realisiert werden kann und im Vergleich zu klassischen sowie bestehenden Quantenalgorithmen exponentielle Ressourceneinsparungen bietet.
Der Abschnitt erläutert, dass Planetarische Nebel, die aus der Materie absterbender Sterne mit geringer bis mittlerer Masse entstehen, als wertvolle Laboratorien für Studien in der Astrophysik, Astrochemie und Astromineralogie dienen und weitreichende Auswirkungen auf viele Bereiche der Astronomie haben.
Diese Arbeit stellt einen umfassenden Benchmark-Datensatz aus 624 hochauflösenden 2D-Simulationen vor, der die komplexen Wechselwirkungen zwischen CO₂ und Wasser im Porensystem erfasst und als Testumgebung für die Entwicklung von Machine-Learning-Surrogaten im Bereich der Kohlenstoffspeicherung dient.
Diese Arbeit stellt ein einheitliches Rahmenwerk vor, das unendliche Randterme und Paarwechselwirkungen nutzt, um die elektrostatische Energie und den Druck sowohl neutraler als auch nicht-neutraler periodischer Coulomb-Systeme durch den Austausch der Coulomb-Wechselwirkung gegen eine effektive Paarwechselwirkung physikalisch intuitiv herzuleiten.
Die Studie stellt ein auf Simulation-Based Inference basierendes Framework vor, das mithilfe von Deep Learning und physikbasierten Modellen aus extrem wenigen Einzelmoleküldaten präzise und vorhersagekräftige Faltungsmodelle für Biomoleküle ableitet, ohne auf umfangreiche Datensätze oder separate Instrumentenkalibrierungen angewiesen zu sein.
Diese Arbeit untersucht die oft unerklärliche effektive Körperordnung von Machine-Learning-Interatompotentialen (MLIPs), indem sie die Komplexität der Vielteilchenentwicklung analysiert und durch das Training an Wasserstoff-Clustern aufzeigt, wie Modelltyp und Datensatzzusammensetzung die Konvergenz der Körperordnungen sowie die Generalisierbarkeit beeinflussen, um so Erkenntnisse für die zukünftige Entwicklung von MLIPs zu liefern.
In dieser Arbeit stellen die Autoren NextHAM, ein universelles Deep-Learning-Modell mit E(3)-Symmetrie und Korrekturmechanismus, sowie den umfassenden Datensatz Materials-HAM-SOC vor, um die genaue und effiziente Vorhersage elektronischer Struktur-Hamiltonoperatoren für Materialien zu ermöglichen.
Die Studie zeigt, dass die Kombination aus perylenbasierten molekularen Kristallen und Übergangsmetalldichalkogenid-Monolagen (MoS₂, WS₂) in van-der-Waals-Heterostrukturen durch TMD-induzierte Polarisation zu einer signifikanten Bandlückenrenormierung führt und eine maßgeschneiderte Energiebandausrichtung ermöglicht, die eine Vielfalt an hybriden und ladungstransfer-Exzitonen für anpassbare Optoelektronik erschließt.
Diese Studie kombiniert molekulare Simulationen und experimentelle Messungen, um zu zeigen, dass die Synthese-Verunreinigung Glycin die Kristallisation von Glyphosat in wässrigen Lösungen durch Oberflächenadsorption und die Erhöhung der Löslichkeit aktiv hemmt.
Die Autoren stellen ein diskontinuierliches Galerkin-Framework vor, das automatisch adaptive Basissätze für elektronische Strukturberechnungen konstruiert und dabei durch die Kombination von atomzentrierten und polynomialen Funktionen sowie spezialisierten Integrations- und Multigrid-Verfahren chemische Genauigkeit mit verbesserter Skalierbarkeit und strukturierten Sparsitätsmustern für HF- und DFT-Rechnungen erreicht.