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.
Die Studie stellt eine erweiterte statische Quanten-Einbettungsmethode (MPCC) vor, die durch die konsistente Einbeziehung von Triple-Substitutionen sowohl im Fragment als auch in der Umgebung mittels perturbativer und iterativer Ansätze (MPCCSDT(pt) und MPCCSDT(it)) die Genauigkeit über das CCSD(T)-Niveau hinaus für anspruchsvolle Molekülsysteme verbessert.
Die vorgestellte Arbeit stellt die -CIAH-Methode vor, eine effiziente Erweiterung des zweiten Ordnung CIAH-Algorithmus zur Pipek-Mezey-Lokalisierung von Wannier-Funktionen in -Raum, die durch eine -Skalierung eine 2- bis 3-fach höhere Rechengeschwindigkeit als erste-Ordnung-Methoden und eine drastische Verbesserung gegenüber -Punkt-Ansätzen bei der Lokalisierung großer Orbitalzahlen erreicht.
Diese Arbeit erweitert die Nutzung molekularer Symmetrie in quantenchemischen Berechnungen auf komplexe abelsche Punktgruppen mit imaginären Charakteren, indem sie Methoden zur Integralauswertung und Tensor-Kontraktion entwickelt, um den Rechenaufwand insbesondere bei Systemen in magnetischen Feldern zu reduzieren.
Diese Studie stellt ein Markov-Zustandsmodell-Framework vor, das es ermöglicht, kinetische Eigenschaften wie Raten und mittlere Durchgangszeiten aus den effizienten, aber unvollständigen Pfaden der REPPTIS-Simulationen abzuleiten, wodurch eine robuste Methode zur Untersuchung seltener biologischer Ereignisse geschaffen wird.
Die Studie zeigt, dass der NQS-SC-Ansatz gegenüber dem etablierten NQS-VMC-Verfahren bei der Berechnung elektronischer Grundzustände, insbesondere für Systeme mit statischer Korrelation, überlegene Genauigkeit und systematische Verbesserbarkeit bietet, wodurch er als neue Standardmethode empfohlen wird, während beide Ansätze weiterhin Schwierigkeiten bei der Erfassung dynamischer Korrelation aufweisen.
Die Autoren stellen eine effektive klassische Potentialmethode vor, die auf einer Mittelwertbehandlung quantenmechanischer Fluktuationen um den Pfadstartpunkt basiert und es ermöglicht, quantenstatistische Erwartungswerte durch klassische Ensemble-Mittelungen mit hoher numerischer Robustheit und exakter Übereinstimmung im klassischen sowie harmonischen Grenzfall zu approximieren.
Die Studie zeigt, dass kubisches Eis I, das kürzlich aus einem Gas-Hydrat-Vorläufer zugänglich wurde, bei niedrigen Temperaturen ein negatives thermisches Ausdehnungsverhalten aufweist, das dem von hexagonalem Eis Iₕ ähnelt, und nutzt diese Erkenntnisse, um die metastabile Natur der kubischen Form sowie ihre Unzugänglichkeit aus normalem Eis Iₕ zu quantifizieren.
Diese Studie zeigt, dass der Übergang von kompakter zu dendritischer Struktur bei der Elektroabscheidung durch ein end-to-end-lernendes Spatio-Temporal-Modell zuverlässig vorhergesagt werden kann, das latente Dynamiken erfasst, die weder rein räumliche noch rein zeitliche Merkmale allein erkennen können.
Diese Arbeit stellt eine auf automatischer Differenzierung basierende Methode zur effizienten Berechnung genauer Kernkräfte im Rahmen des phasenlosen AFQMC-Verfahrens vor, die durch den Einsatz von Machine-Learning-Potenzialen präzise Geometrieoptimierungen und die Identifizierung von Übergangszuständen ermöglicht.
Die Studie stellt die stöchiometrieinformierte symbolische Regression (SISR) vor, eine datengetriebene Methode, die durch die Kombination von Differential- und genetischer Optimierung präzise chemische Reaktionsmechanismen und Geschwindigkeitskonstanten aus zeitlichen Konzentrationsdaten ableitet.