978 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.
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.
Este artículo presenta el método de Transformación Canónica Lineal de Senioridad Cero (SZ-LCT), una técnica computacional que utiliza una transformación unitaria para mapear el Hamiltoniano electrónico al espacio de senioridad cero, logrando resultados altamente precisos para sistemas fuertemente correlacionados con una complejidad escalable de .
El artículo presenta un método de transformación canónica de cero senioridad que reduce el error de truncamiento mediante una expansión BCH exacta para los primeros conmutadores y una aproximación recursiva para el resto, logrando una alta precisión computacional para sistemas de tamaño pequeño a mediano.
Este artículo demuestra que el algoritmo de estimación de autovalores cuánticos (QEVE) aplicado a Hamiltonianos transcorrelacionados no hermitianos ofrece una precisión y eficiencia de recursos competitiva, situando su costo computacional entre las bases cc-pVTZ y cc-pVQZ para átomos de la segunda fila, aunque su exactitud varía según el sistema atómico.
Este estudio demuestra que el marco híbrido cuántico-clásico DMET-SQD, ejecutado en hardware cuántico de IBM, logra con precisión química los estados fundamentales de moléculas similares a ligandos de baja simetría, validando la importancia de las estrategias de incrustación conscientes del entrelazamiento para cálculos electrónicos escalables.
Este artículo presenta una extensión del análisis estado a estado a descripciones de Lindblad para elucidar las rutas de transporte en sistemas cuánticos abiertos sujetos a procesos disipativos, de bombeo y de decoherencia, demostrando su aplicación en el establecimiento de corrientes excitónicas en agregados moleculares.
Este estudio investiga la respuesta de rotores moleculares fluorescentes en mezclas ternarias de polietilenglicol (PEG) de diferentes pesos moleculares, demostrando que la vida media de fluorescencia sigue una regla de mezcla lineal y permitiendo una evaluación más precisa, aunque con ciertas limitaciones, de la teoría del volumen libre en este contexto.
El artículo presenta un enfoque de densidad de carga modelo que acelera la convergencia de las sumas de Ewald al cancelar los momentos multipolares de la distribución de carga cristalina, demostrando su eficacia en el cálculo de la brecha fundamental del arseniuro de galio y aclarando una implementación histórica en el código CRYSTAL.
El artículo presenta a El Agente Estructural, un agente multimodal impulsado por lenguaje natural que replica la manipulación experta de sistemas moleculares en 3D mediante herramientas de visión y lenguaje, permitiendo una edición geométrica precisa y químicamente significativa en diversos escenarios reales sin necesidad de reconstruir marcos moleculares completos.
Este estudio demuestra que la incorporación de descriptores de enlace químico cuántico, derivados de una base de datos de 13.000 materiales, mejora significativamente el rendimiento de los modelos de aprendizaje automático para predecir propiedades elásticas, vibracionales y termodinámicas, además de facilitar la identificación de expresiones intuitivas para dichas propiedades mediante regresión simbólica.