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.
Los autores presentan un método dinámico para medir con precisión la presión de vapor de saturación y la entalpía de vaporización de sustancias líquidas de baja volatilidad en un rango de temperaturas que abarca desde -10 hasta 35 °C, validando la técnica mediante el análisis de cuatro sustancias de referencia.
Los autores extienden el algoritmo HHL al dominio de los qutrits, diseñando gadgets de Weyl-Heisenberg y un esquema de implementación que, al aplicarse a cálculos de química cuántica, demuestra requerir menos qudits que su contraparte de qubits para una precisión fija.
Este artículo presenta un marco teórico basado en un problema espectral de Steklov que permite controlar geométricamente el crecimiento de procesos de ramificación catalítica en la frontera mediante la absorción, identificando un umbral crítico que determina si la población alcanza un estado estacionario o crece exponencialmente sin control.
Este trabajo demuestra mediante cálculos cuánticos que las membranas de grafidina bilayer mejoran el transporte cuántico y presentan resonancias de transmisión dependientes de la separación intercapas en comparación con las monocapas, lo que las hace prometedoras para la separación de especies atómicas y moleculares.
Este artículo presenta el conjunto de datos OPoly26, que incluye más de 6,57 millones de cálculos de teoría del funcional de la densidad (DFT) en sistemas poliméricos, para superar la falta de datos en el campo y mejorar el rendimiento de los modelos de aprendizaje automático destinados a predecir propiedades de polímeros y avanzar hacia modelos atómicos universales.
Este estudio demuestra que, aunque los métodos semiclásicos no predicen la formación de polaritones al inicializar un modo de cavidad en un estado de Fock, el tratamiento cuántico completo revela la existencia de entrelazamiento luz-materia y oscilaciones en potencias pares de operadores, evidenciando que ciertas dinámicas polaronicas requieren exclusivamente una descripción cuántica de la electrodinámica.
Los autores presentan y demuestran experimentalmente dos métodos ópticos independientes para la termometría primaria absoluta a escala nanométrica utilizando la distribución de Boltzmann entre subniveles de Stark individuales de iones de tierras raras en nanopartículas de Y₂O₃:Yb³⁺/Er³⁺, eliminando la necesidad de referencias externas de temperatura.
Este artículo introduce un esquema de ajuste óptimo para la teoría de funcional de densidad multiconfiguracional de corto alcance (MC-srDFT) que determina el parámetro de separación de rango mediante la constante de ionización, mejorando significativamente el cálculo de las polarizabilidades dipolares estáticas y dinámicas en comparación con los valores universales tradicionales.
El artículo revela que los potenciales interatómicos aprendidos por máquina de corto alcance generan una metalización espuria en capas de agua polar debido a la omisión de interacciones electrostáticas de largo alcance, un error que se corrige al incluir explícitamente dichas interacciones.
Los autores presentan un marco de optimización no paramétrica de coordenadas de reacción que incorpora historias de trayectorias para caracterizar con precisión la dinámica de eventos raros en sistemas complejos, superando las limitaciones de las técnicas estándar de aprendizaje automático y permitiendo el análisis robusto de datos irregulares o incompletos sin necesidad de un muestreo extensivo.