785 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 trabajo extiende el formalismo de la variedad de Kähler al método CASSCF para derivar ecuaciones de respuesta lineal y un método específico de estado basado en derivadas de primer orden, demostrando su eficacia en sistemas moleculares aunque revelando desafíos en la identificación de estados excitados debido a la no linealidad inherente.
Este artículo presenta una extensión del método de potencia de geminales antisimetrizadas (AGP) mediante una interacción de configuraciones (AGP-CI) que incorpora correlaciones inter-geminales y se hace computacionalmente eficiente mediante una descomposición en una combinación lineal de AGPs, demostrando una alta precisión en sistemas fuertemente correlacionados como el modelo de Hubbard y moléculas pequeñas.
Este artículo utiliza la teoría funcional de la densidad estocástica para extender el resultado clásico de Debye y Falkenhagen sobre la conductividad dependiente de la frecuencia, demostrando cómo se comporta este fenómeno en electrolitos concentrados al incorporar un potencial de interacción de Coulomb modificado que considera la repulsión de núcleo duro entre los iones.
Este estudio utiliza técnicas espectroscópicas no destructivas a escala nanométrica para identificar y mapear con detalle sin precedentes la química de materia orgánica globular y rica en nitrógeno en el asteroide Ryugu, revelando componentes alifáticos solubles y grupos funcionales NHx que se formaron en el nebulosa solar exterior o mediante reacciones fluidas en el asteroide.
Mediante simulaciones de dinámica molecular aceleradas por aprendizaje automático, este estudio revela que la hidrofilicidad observada experimentalmente en el grafeno monocapa sobre sustratos hidrofílicos no se debe a la transparencia de mojado, sino a la cancelación de señales provocada por la presencia termodinámicamente favorable de agua intercalada, un fenómeno que no ocurre en sistemas de grafeno multicapa.
El artículo introduce una partición variacional de la energía de correlación basada en la estructura nodal de la función de onda que define la correlación estática como la penalización energética de restringir los nodos a la aproximación de un solo determinante, proporcionando un marco independiente del método para clarificar la distinción entre correlaciones dinámicas, estáticas y fuertes.
Esta revisión analiza cómo la inteligencia artificial generativa aborda los desafíos únicos de los compuestos inorgánicos para permitir su diseño inverso, abarcando desde moléculas hasta cristales y explorando futuras direcciones como la estandarización de benchmarks y métricas de sintetizabilidad.
El artículo deriva una fórmula de traza semiclásica para los correladores fuera del orden temporal (OTOC) en sistemas con puntos de silla, expresando la tasa de scrambling como una suma coherente sobre órbitas periódicas inestables en la variedad invariantemente hiperbólica normal (NHIM) y estableciendo un mecanismo teórico para el control selectivo de modos de la información cuántica.
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 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.