794 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 acelera el control óptimo cuántico de espín único mediante la combinación del método de elementos finitos, para resolver eficientemente la trayectoria y el gradiente, con el método de asíntotas móviles para lograr una convergencia rápida hacia la fidelidad objetivo.
Este estudio utiliza un marco de teoría de campo autoconsistente para demostrar cómo las fluctuaciones hidrodinámicas en electrolitos bajo conducción generan diversos regímenes de difusión anómala y fluctuaciones intensas, incluso ante la presencia de apantallamiento de Debye.
FragmentFlow es un nuevo enfoque de "divide y vencerás" que permite generar estados de transición para moléculas grandes de manera escalable, prediciendo primero la geometría del núcleo reactivo y luego reconstruyendo el resto de la estructura para mitigar los problemas de generalización y costo computacional.
NMRTrans es un nuevo modelo basado en *Set Transformers* entrenado exclusivamente con un gran corpus de espectros experimentales (NMRSpec) para mejorar significativamente la elucidación de estructuras moleculares a partir de datos reales de RMN.
Este estudio utiliza simulaciones moleculares para demostrar que la disociación de pares iónicos en electrolitos concentrados bajo campos eléctricos es menor de lo que predice la teoría clásica de Onsager, debido a efectos del solvente y la disminución de la constante dieléctrica.
Este trabajo presenta un protocolo eficiente de energía libre alquímica que utiliza potenciales aprendidos mediante aprendizaje automático (MLP) para calcular las energías libres de solvatación de diversas moléculas orgánicas con una precisión superior a la química.
Este estudio presenta CheMeleon, un modelo fundacional de aprendizaje profundo que utiliza descriptores moleculares clásicos para superar el rendimiento de los métodos de aprendizaje automático tradicionales en la predicción de propiedades químicas.
Este artículo extiende un resultado previo para determinar la forma explícita y maximal del conjunto de densidades -representables en un toro unidimensional a temperaturas finitas, utilizando espacios de Sobolev y aprovechando la diferenciabilidad de la funcional universal térmica.
Este estudio presenta un método de aprendizaje automático basado en procesos gaussianos que utiliza descriptores de largo alcance para predecir la densidad electrónica en superredes de moiré de gran escala, permitiendo modelar fenómenos cuánticos complejos de forma eficiente sin depender de la suposición de localidad.
Este estudio utiliza un método híbrido de dinámica molecular y Monte Carlo para demostrar que la teoría de Poisson-Boltzmann linealizada puede predecir el equilibrio de Donnan en poros cargados si se emplean densidades de carga superficial renormalizadas, concluyendo que el solvente explícito tiene un efecto limitado en comparación con las limitaciones de la aproximación de renormalización.