🔬 Category

physics.chem-ph

771 articles

La section « Physique — Chem-Ph » explore le fascinant carrefour où la physique rencontre la chimie physique. Ce domaine décrypte les lois fondamentales qui régissent le comportement de la matière à l'échelle atomique et moléculaire, reliant les théories abstraites aux propriétés concrètes que nous observons quotidiennement.

Sur Gist.Science, nous sélectionnons rigoureusement chaque nouveau prépublication de ce champ depuis arXiv. Pour chaque article, nous proposons une synthèse technique approfondie ainsi qu'une explication en langage clair, rendant ces recherches complexes accessibles à tous, des étudiants aux curieux passionnés.

Découvrez ci-dessous les dernières études publiées dans cette catégorie, accompagnées de nos résumés détaillés pour comprendre les avancées récentes sans avoir besoin d'être un expert.

GENIUS: An Agentic AI Framework for Autonomous Design and Execution of Simulation Protocols

L'article présente GENIUS, un cadre d'IA agentique qui intègre un graphe de connaissances Quantum ESPRESSO à une hiérarchie de LLM à plusieurs niveaux et à une récupération d'erreurs par automates finis pour générer, valider et réparer de manière autonome des protocoles de simulation DFT, démocratisant ainsi la découverte de matériaux en atteignant des taux de réussite élevés tout en réduisant considérablement les coûts et les hallucinations par rapport aux approches LLM standard.

Mohammad Soleymanibrojeni, Roland Aydin, Diego Guedes-Sobrinho, Alexandre C. Dias, Maurício J. Piotrowski, Wolfgang Wenzel, Celso Ricardo Caldeira Rêgo2026-05-25🔬 cond-mat.mtrl-sci

Energy-Guided Generative Modeling for Low-Energy Molecular Structure Discovery

Cet article présente EnFlow, un cadre génératif novateur guidé par l'énergie qui intègre la génération de conformères basée sur les flux avec la modélisation apprise du paysage énergétique pour produire efficacement des structures moléculaires à faible énergie, diversifiées et physiquement précises, et identifier les états fondamentaux en une à deux étapes d'échantillonnage.

Guikun Xu, Xiaohan Yi, Ziqiao Meng, Peilin Zhao, Yatao Bian2026-05-25🔬 physics

Quantum-Accurate Conformational Stabilities and Vibrational Dynamics in Molecules and Proteins with Machine-Learned Force Fields

Cet article démontre que les champs de force appris par machine, en particulier le modèle SO3LR, surpassent nettement les méthodes de mécanique moléculaire conventionnelles dans la reproduction précise des énergies conformationnelles de niveau quantique et de la dynamique vibrationnelle à travers divers systèmes biomoléculaires, permettant ainsi des simulations validées spectroscopiquement à une fraction du coût computationnel.

Sergio Suárez-Dou, Miguel Gallegos, Kyunghoon Han, Florian N. Brünig, Joshua T. Berryman, Alexandre Tkatchenko2026-05-25🔬 physics

Drift-React: One-step Generation of Reaction Pathways via SE(3) Drifting Fields

Drift-React est un nouveau cadre génératif équivariant SE(3) qui prédit des voies réactionnelles complètes et physiquement cohérentes en une seule passe avant à partir des géométries des réactifs et des produits, éliminant ainsi le besoin d'évaluations itératives coûteuses des forces tout en atteignant une précision de pointe et un gain de vitesse de plusieurs ordres de grandeur pour l'exploration de réseaux réactionnels à grande échelle.

Rémi Schlama, Philippe Schwaller2026-05-25🔬 physics

Nonlinear order separation in two-dimensional electronic spectroscopy quantifies properties of higher-excited states

Ce papier démontre une technique pour séparer plusieurs ordres non linéaires en spectroscopie électronique bidimensionnelle en faisant varier les intensités des impulsions de pompe, permettant la caractérisation quantitative d'états hautement excités, tels que les moments de transition dipolaire et les niveaux d'énergie, dans un dimère de squaraine avec un excellent accord entre la théorie et l'expérience.

Katja Mayershofer, Peter A. Rose, Julian Lüttig, Luisa Brenneis, Simon Büttner, Jacob J. Krich, Tobias Brixner2026-05-25🔬 physics.optics

Frontier Orbital Engineering in Heteroatom-Doped Prototypical Organic Dyes for Dye-Sensitized Solar Cells

Cette étude établit un cadre DFT-TDDFT efficace et optimisé pour le criblage de colorants organiques dopés par des hétéroatomes destinés aux cellules solaires à colorant, révélant que le dopage au bore déficient en électrons réduit efficacement le gap HOMO-LUMO et décale vers le rouge les excitations de transfert de charge afin d'améliorer la capture de la lumière solaire.

Aditi Singh, Ram Dhari Pandey, Subrata Jana, Prasanjit Samal, Paweł Tecmer, Szymon Śmiga2026-05-22🔬 physics

Large Language Model Agent for User-friendly Chemical Process Simulations

Ce papier présente un agent de modèle de langage de grande taille intégré à AVEVA Process Simulation via le protocole de contexte de modèle, qui permet une interaction en langage naturel pour automatiser des tâches complexes de procédés chimiques telles que l'analyse, l'optimisation et la synthèse de schémas de flux, améliorant ainsi à la fois l'accessibilité éducative et l'efficacité professionnelle tout en nécessitant toujours une supervision par des experts.

Jingkang Liang, Niklas Groll, Gürkan Sin2026-05-22🤖 cs.AI

Accurate starting points for one-shot G0W0G_0W_0 and Bethe-Salpeter Equation calculations via effective tuning of range-separated hybrid functionals

Cet article démontre qu'un protocole de réglage efficace récemment proposé pour les fonctionnels hybrides à séparation de portée offre une alternative à la fois efficace sur le plan computationnel et précise par rapport aux optimisations multi-étapes conventionnelles, fournissant des points de départ fiables pour des calculs G0W0G_0W_0 et de l'équation de Bethe-Salpeter en une seule étape des potentiels d'ionisation et des propriétés d'excitation à travers divers systèmes moléculaires.

Aditi Singh, Subrata Jana, Szymon Śmiga2026-05-22🔬 physics

Benchmarking machine-learned interatomic potentials for molecular infrared spectroscopy

Cette étude évalue cinq potentiels interatomiques appris par machine (SchNet, FieldSchNet, SO3Net, PaiNN et MACE) pour la prédiction des spectres infrarouges moléculaires, en constatant que, bien que tous les modèles atteignent une grande précision sur les données d'entraînement, les architectures équivariantes (SO3Net, PaiNN et MACE) démontrent une généralisation supérieure à des systèmes non vus, avec PaiNN offrant le meilleur équilibre entre efficacité et précision et MACE fournissant la plus grande précision spectrale.

Nitik Bhatia, Ondrej Krejci, Patrick Rinke2026-05-22🔬 physics