1020 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 una formulación basada en análisis convexo para la inversión regularizada densidad-potencial en sistemas periódicos, demostrando mediante una implementación numérica en una dimensión que es factible recuperar potenciales de Kohn-Sham locales que reproducen los efectos del intercambio exacto, lo cual sirve como prueba de concepto para métodos de mayor precisión.
Los autores proponen un diseño de conjuntos de base orientado al sistema basado en funciones de tipo par, que incluye un formalismo reducido de orbitales concéntricos y un formalismo adaptado a la simetría, para codificar variacionalmente la información del estado fundamental electrónico con una precisión comparable a conjuntos de base convencionales mucho más grandes pero a un costo de optimización significativamente menor.
Los autores desarrollan un modelo de acoplamiento vibrónico lineal basado en el Hamiltoniano de Hubbard-Peierls para estudiar la dinámica no adiabática del trans-hexatrieno, demostrando que aunque los métodos de salto de superficie y Ehrenfest multi-trajectoria presentan limitaciones en la reproducción de oscilaciones de población a largo plazo frente a simulaciones cuánticas completas, el primero captura mejor las tendencias generales mientras que el segundo ofrece mayor precisión para el conjunto de parámetros específico del hexatrieno.
El artículo examina críticamente la entropía de Shannon, señalando que, aunque es adecuada para el ensemble canónico, resulta insuficiente para representar el ensemble microcanónico y derivar teóricamente la Segunda Ley de la termodinámica.
Este estudio investiga la mejora de la transferencia de calor en un canal de 90 grados mediante simulaciones numéricas de dinámica de fluidos computacional, analizando sistemáticamente el efecto de campos magnéticos no uniformes aplicados externamente sobre el flujo de ferrofluidos.
Este trabajo presenta el modelado mediante aprendizaje automático y redes neuronales del flujo de ferrofluidos en canales curvos para predecir y optimizar la transferencia de calor bajo campos magnéticos, basándose en datos de simulaciones CFD de una investigación previa.
El artículo demuestra que el marco de homogeneización Young-measure aplicado a la ecuación de transferencia radiativa genera soluciones con una descomposición en tren de tensores de rango bajo y acotado, lo que permite una representación espectralmente fiel y computacionalmente eficiente que supera significativamente a los métodos aproximados existentes.
Este artículo presenta HBAT 2, una nueva implementación en Python de la herramienta original de 2007 que permite el análisis automatizado y la visualización de enlaces de hidrógeno y otras interacciones no covalentes en macromoléculas biológicas mediante una interfaz gráfica, web, de línea de comandos y una API para desarrolladores.
Este trabajo presenta un marco computacional-experimental que integra cálculos de química cuántica, redes de reacciones electroquímicas y espectrometría de masas para caracterizar molecularmente la formación del interfase sólido-electrolito en baterías de iones de litio, logrando confirmar especies conocidas y predecir 28 nuevas especies que amplían significativamente el conocimiento en este campo.
El artículo demuestra que los modelos de aprendizaje automático para el descubrimiento de materiales a menudo logran un alto rendimiento en benchmarks no porque hayan aprendido química, sino porque aprovechan correlaciones espurias con metadatos bibliográficos como autores y años de publicación, lo que subraya la necesidad de implementar pruebas de falsificación rigurosas para distinguir entre utilidad predictiva y comprensión química real.