🔬 Category

physics.chem-ph

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.

Prediction and Experimental Verification of Electrolyte Solvation Structure from an OMol25-Trained Interatomic Potential

Este estudio demuestra que los potenciales interatómicos de aprendizaje automático entrenados en el conjunto de datos OMol25 superan a los modelos existentes al predecir con alta precisión la estructura de solvatación y las propiedades estructurales de electrolitos para baterías de sodio, validando sus resultados mediante comparación experimental y revelando cómo la temperatura y la topología del solvente influyen en las interacciones iónicas.

Nitesh Kumar, Jianwei Lai, Casey S. Mezerkor, Jiaqi Wang, Kamila M. Wiaderek, J. David Bazak, Samuel M. Blau, Ethan J. Crumlin2026-03-23🔬 physics

Faster quantum chemistry simulations on a quantum computer with improved tensor factorization and active volume compilation

Este trabajo presenta un marco de factorización tensorial mejorado (BLISS-THC) y una compilación para arquitecturas de volumen activo que, combinados, logran una aceleración de dos órdenes de magnitud en las simulaciones de química cuántica para sistemas moleculares como la P450 en computadoras cuánticas tolerantes a fallos.

Athena Caesura, Cristian L. Cortes, William Pol, Sukin Sim, Mark Steudtner, Gian-Luca R. Anselmetti, Matthias Degroote, Nikolaj Moll, Raffaele Santagati, Michael Streif, Christofer S. Tautermann2026-03-20⚛️ quant-ph

One-Body Properties and Their Perturbative Accuracy with Aufbau Suppressed Coupled Cluster Theory

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.

Conor Bready, Harrison Tuckman, Eric Neuscamman2026-03-20🔬 physics

Generalization of Long-Range Machine Learning Potentials in Complex Chemical Spaces

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.

Michal Sanocki, Julija Zavadlav2026-03-20🤖 cs.LG

Spin-Flip Configuration Interaction for Strong Static Correlation in Quantum Electrodynamics

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.

Braden M. Weight, Zheng Pei, Sergei Tretiak2026-03-20🔬 physics

sbml4md: A computational platform for System-Bath Modeling via Molecular Dynamics powered by Machine Learning

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.

Kwanghee Park, Seiji Ueno, Yoshitaka Tanimura2026-03-20🔬 physics

Isotope Effects in 2D correlation infrared Spectra of Water: HEOM Analysis of Molecular Dynamics-Based Machine Learning Models

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.

Kwanghee Park, Ryotaro Hoshino, Yoshitaka Tanimura2026-03-20🔬 physics

Elucidating Norrish Type-I reactive pathways by ultrafast X-ray absorption spectroscopy

Este estudio combina espectroscopía de absorción de rayos X resuelta en el tiempo con simulaciones *ab initio* para elucidar la dinámica ultrarrápida de la acetofenona, revelando los tiempos de transferencia de población entre estados electrónicos que conducen a la reacción de Norrish tipo I.

Martin Graßl, Pablo Unzueta, Andreas E. Hillers-Bendtsen, Yusong Liu, Diptarka Hait, Alice E. Green, Xinxin Cheng, Felix Allum, Taran Driver, Ruaridh Forbes, James. M. Glownia, Erik Isele, Kirk A. Lar (…)2026-03-20🔬 physics

An SO(3)-equivariant reciprocal-space neural potential for long-range interactions

El artículo presenta EquiEwald, un potencial neural interatómico unificado que integra una formulación inspirada en Ewald en el espacio recíproco dentro de un marco equivariante bajo SO(3) para capturar con precisión y consistencia física las interacciones de largo alcance anisotrópicas en sistemas moleculares y de fase condensada.

Linfeng Zhang, Taoyong Cui, Dongzhan Zhou, Lei Bai, Sufei Zhang, Luca Rossi, Mao Su, Wanli Ouyang, Pheng-Ann Heng2026-03-20🤖 cs.AI