1007 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 artículo presenta un método de visualización que proyecta las trayectorias de reacción en un plano bidimensional basado en la desviación cuadrática media (RMSD) corregida por permutación, superando las limitaciones de los análisis unidimensionales tradicionales para permitir una comparación más efectiva de diferentes métodos de optimización y validar rutas de reacción complejas.
Este estudio demuestra que el algoritmo iQCC, ejecutado a escala sin precedentes mediante un solver cuántico en procesadores clásicos, supera a los métodos clásicos en la simulación de complejos organometálicos de iridio y platino, estableciendo un umbral de ventaja cuántica en torno a 200 qubits lógicos.
Este artículo presenta un marco de aprendizaje automático basado en semidefinidos que combina redes neuronales convexas con programación semidefinida para aproximar el conjunto de matrices de densidad reducida de dos electrones N-representables, logrando una mayor precisión en el cálculo variacional directo sin necesidad de construir explícitamente condiciones de positividad de orden superior.
Este artículo ofrece una guía desde la perspectiva de la Procesación del Lenguaje Natural (NLP) sobre las representaciones moleculares digitales más populares y sus aplicaciones en inteligencia artificial para la química y la ciencia de materiales, sirviendo como referencia para investigadores que inician su trabajo en esta intersección disciplinaria.
Este artículo defiende la integración de flujos de trabajo de inteligencia artificial y aprendizaje automático, junto con laboratorios autónomos, para optimizar el diseño de catalizadores y la ingeniería de reacciones químicas, creando un ciclo virtuoso de descubrimiento que acelera el desarrollo de procesos industriales sostenibles.
Este artículo introduce un nuevo marco de "modelos de deriva" que, al integrar fuerzas moleculares mediante identidades teóricas específicas para espacios de coordenadas y distancias, logra generar conformaciones moleculares en un solo paso con una aceleración de un millón de veces respecto a la dinámica molecular tradicional, manteniendo al mismo tiempo la precisión de la distribución de Boltzmann y la validez estructural.
Este estudio evalúa el modelo de IA Boltz-2 para la predicción de estructuras y afinidades de unión en el descubrimiento de fármacos, concluyendo que, aunque ofrece velocidad para el cribado inicial, carece de la resolución energética necesaria para la identificación de candidatos y requiere métodos basados en física para su fiabilidad.
El artículo presenta RESOLUTE, un protocolo de espectroscopía de correlación de Ramsey con ciclo de fases que supera las limitaciones de los tiempos de coherencia en sensores cuánticos como los centros NV, permitiendo la detección de señales de baja frecuencia mediante el almacenamiento de la fase acumulada como un desequilibrio de población y demostrando experimentalmente una extensión del tiempo de coherencia efectivo y la detección de espines nucleares en campos magnéticos bajos.
Este artículo propone un enfoque constructivo para el diseño de potenciales interatómicos que, inspirado en los autoencoders y fundamentado en la teoría del funcional de la densidad (DFT), utiliza un espacio latente basado en principios físicos para representar parsimoniosamente las energías y densidades, vinculando escalas atómicas y electrónicas y mejorando la interpretabilidad de los modelos de aprendizaje automático.
Este artículo presenta un análisis de la reactividad química basado en la descomposición de información parcial (PID) a lo largo de una coordenada de reacción intrínseca, aplicando este marco teórico a reacciones S2 para revelar firmas informativas simétricas y asimétricas sobre la evolución de los enlaces mediante el uso de cargas atómicas como variables de lectura electrónica.