1002 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 demuestra que en los cálculos no-Born-Oppenheimer de afinidades protónicas, el uso de conjuntos de base electrónica sin contraer sobre los protones cuánticos permite alcanzar una convergencia de alta precisión con un costo computacional mínimo, superando las limitaciones de los conjuntos de base protónicos tradicionales.
El artículo propone esquemas para generar haces moleculares fríos e intensos con alta polarización de espín nuclear mediante excitación rotacional por microondas o infrarrojo y pulsos cuánticos hiperfinos, permitiendo tasas de producción suficientes para aplicaciones como la mejora de señales de resonancia magnética nuclear y la fusión nuclear polarizada.
El artículo presenta la derivación e implementación del cálculo de la matriz de densidad reducida de un cuerpo en la teoría de clusters acoplados suprimida por Aufbau (ASCC), demostrando que, al refinar las soluciones mediante orbitales naturales y preservar la completitud perturbativa, la precisión de los momentos dipolares obtenidos es comparable a la de los métodos de respuesta lineal y de movimiento de ecuaciones de clusters acoplados.
Este estudio demuestra que la incorporación de correcciones de largo alcance en los potenciales interatómicos de aprendizaje automático es fundamental para mejorar su rendimiento y, sobre todo, su capacidad de generalización hacia regiones químicas no vistas, validando esta conclusión mediante nuevas estrategias de división de datos sesgadas aplicadas a marcos metal-orgánicos.
QMCkl es una biblioteca de kernels de alto rendimiento y API compatible con C que acelera y unifica los cálculos de estructura electrónica mediante el método Monte Carlo cuántico, ofreciendo resultados numéricos idénticos entre implementaciones de referencia y optimizadas para diversas arquitecturas.
Este estudio demuestra que los modelos de regresión lineal fallan al predecir la lipofilicidad debido a heterocedasticidad severa e ineficacia de correcciones clásicas, mientras que los métodos de ensamble basados en árboles superan estas limitaciones y revelan, mediante análisis SHAP, que la masa molecular es el predictor más importante a pesar de su baja correlación bivariada debido a la multicolinealidad con el área superficial polar topológica.
Este artículo presenta una encuesta y caracterización empírica en GPU de cuatro ansatzes representativos de Variational Monte Carlo con Redes Neuronales (NNVMC), revelando que su rendimiento está limitado por kernels de baja intensidad y movimiento de datos, lo que sugiere la necesidad de co-diseño algoritmo-hardware para optimizar su escalabilidad.
Este trabajo presenta el método QED-SF-CIS, una extensión de la interacción de configuraciones de giro-flip que incorpora fotones cuantizados para tratar con precisión la fuerte correlación estática en sistemas de electrodinámica cuántica de cavidad, permitiendo describir correctamente estados singletes y controlar procesos de ruptura de enlaces mediante el acoplamiento con la radiación.
El artículo presenta sbml4md, una plataforma computacional que utiliza aprendizaje automático para extraer parámetros de modelos Brownianos anarmónicos multimodo a partir de trayectorias de dinámica molecular, permitiendo simulaciones precisas de espectros vibracionales no lineales en líquidos mediante el marco de Ecuaciones de Movimiento Jerárquicas (HEOM) sin necesidad de ajuste empírico.
Este estudio utiliza el marco de ecuaciones de movimiento jerárquicas (HEOM) aplicado a modelos de aprendizaje automático basados en dinámica molecular para simular y analizar los espectros infrarrojos de correlación bidimensional del agua (H₂O) y el agua pesada (D₂O), elucidando cómo la acoplamiento anarmónico y los efectos de baño térmico no markovianos gobiernan sus dinámicas de relajación vibracional y de fase.