977 artículos
Esta sección explora la fascinante intersección donde la física se encuentra con la química, un territorio donde las leyes fundamentales gobiernan las reacciones moleculares. Aquí descubrimos cómo los principios cuánticos explican el comportamiento de los átomos y cómo la dinámica de fluidos influye en procesos químicos complejos, todo sin perderse en tecnicismos innecesarios.
En Gist.Science, rastreamos cada nueva prepublicación de esta área directamente desde arXiv para hacerla accesible a todos. Nuestro equipo procesa cada documento ofreciendo tanto resúmenes en lenguaje sencillo como análisis técnicos detallados, asegurando que la ciencia de vanguardia llegue a expertos y curiosos por igual.
A continuación encontrarán los últimos trabajos publicados en esta categoría, listos para ser explorados y comprendidos.
Este estudio presenta un marco de optimización generativa jerárquica que combina algoritmos genéticos y modelos generativos para diseñar y optimizar simultáneamente la composición y la disposición espacial de sistemas multicomponente, logrando con éxito la reducción de la barrera de activación en reacciones catalíticas como prueba de concepto.
Este artículo presenta una extensión rigurosa del método de dinámica molecular de integrales de camino simetrizadas para calcular de manera exacta las divisiones de túnel de estados rotacionalmente excitados, permitiendo la extracción simultánea de múltiples niveles de momento angular sin coste computacional adicional y validando el enfoque mediante resultados en excelente acuerdo con benchmarks variacionales para el amoníaco.
Este artículo presenta el método PIHMC-EBP, una aproximación de Monte Carlo híbrido con integrales de camino y potenciales de puente envolventes que permite calcular con precisión numérica exacta las divisiones por efecto túnel en sistemas moleculares, logrando resultados más precisos y eficientes que los métodos anteriores para moléculas como el malonaldehído y los dímeros de HCl y agua.
Este trabajo presenta X-MACE, un potencial de aprendizaje automático transferible que, combinado con saltos de superficie impulsados por curvatura, permite una cribado eficiente de la dinámica de estados excitados en cromóforos de proteínas fluorescentes, revelando principios de diseño clave para modular sus propiedades fotofísicas mediante modificaciones estructurales.
Esta perspectiva analiza un desafío de predicción realizado en 2023, donde más de 70 investigadores utilizaron diversas estrategias de dinámica molecular no adiabática para simular la fotoquímica de la ciclobutanona y su señal de difracción electrónica ultrarrápida (MeV-UED) antes de la experimentación, destacando tanto el poder predictivo cualitativo de estos métodos como la influencia crítica de la teoría de estructura electrónica en los resultados.
Este estudio utiliza simulaciones DFT para analizar el efecto de los huéspedes (metano y dióxido de carbono) en la estabilidad mecánica y las propiedades de los hidratos de gas estructura I bajo presión, revelando diferencias clave en la alineación molecular y la respuesta energética que explican las restricciones observadas experimentalmente en la rotación de las moléculas huésped.
Este estudio evalúa cuantitativamente la fidelidad de dos potenciales aprendidos por máquina (PIP y PhysNet) mediante pruebas de estrés y cálculos vibracionales avanzados en el oxalato protonado, demostrando que ambos métodos producen resultados consistentes y en excelente acuerdo para energías, espectros IR y divisiones de túnel en un espacio configuracional de 15 dimensiones.
Este artículo presenta una implementación eficiente del método de respuesta lineada de cluster acoplado relativista (LR-CCSD) combinado con espinores naturales sensibles a perturbaciones y descomposición de Cholesky, logrando cálculos precisos y escalables de polarizabilidades en sistemas grandes con efectos relativistas significativos, como el complejo hexafluoruro de uranio.
Este artículo presenta el método EOM-fpCCSD, una alternativa eficiente y precisa basada en un referencial pCCD congelado que supera a los métodos EOM-CCSD y EOM-ptCCSD en la descripción de estados excitados de doble excitación y transferencia de carga, ofreciendo además una mayor estabilidad numérica.
El artículo presenta SmileyLlama, un modelo de lenguaje grande modificado mediante ajuste fino supervisado y optimización directa de preferencias para generar moléculas de fármacos novedosas y válidas con propiedades específicas, superando las limitaciones de los modelos puramente conversacionales o entrenados desde cero para la exploración dirigida del espacio químico.