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.

What is the diatomic molecule with the largest dipole moment?

Cet article présente un modèle d'apprentissage automatique, condensé en une expression analytique, qui prédit les moments dipolaires électriques des molécules diatomiques en utilisant uniquement des propriétés atomiques pour cribler le tableau périodique à la recherche de molécules possédant les plus grands moments dipolaires et pour révéler les tendances chimiques sous-jacentes.

Ahmed Elhalawani, Ruiren Shi, Mateo Londoño Castellanos, Michal Tomza, Jesús Pérez Ríos2026-04-29🔬 physics.atom-ph

Hidden optical nonlinearities in linear spectra of quantum emitter arrays

Ce papier démontre que les propriétés optiques non linéaires d'émetteurs quantiques individuels, tels que les caractéristiques Raman, peuvent se manifester dans les spectres linéaires d'arrays d'émetteurs couplés par le biais d'interactions inter-émetteurs, révélant un effet optique quantique général qui transcende les descriptions de champ moyen classiques et ne nécessite ni cavités ni symétries spécifiques.

Sricharan Raghavan-Chitra, Arghadip Koner, Joel Yuen-Zhou2026-04-29🔬 physics.optics

Prominent Signatures of Energy Transfer in Action-Detected Spectra of a Cyanobacterial Photosynthetic Protein

Cette étude démontre que la spectroscopie électronique bidimensionnelle à détection d'action (A-2DES) peut sonder efficacement la dynamique de transfert d'énergie dans les protéines photosynthétiques de cyanobactéries, en surmontant les limitations précédentes en révélant que l'annihilation lente des excitons modifie l'échelle de sensibilité attendue de 1/N, validant ainsi l'A-2DES comme un outil robuste pour étudier la diffusion des excitons dans les grands agrégats.

Sayan Ghosh, Amitav Sahu, Stephanie Gonzalez-Migoni, Thomas L. C. Jansen, Vivek Tiwari2026-04-29🔬 physics

A density-functional perspective on force fields

Ce travail conceptuel établit une hiérarchie unifiée de dérivées reliant les champs de forces et la théorie de la fonctionnelle de la densité en démontrant comment la surface d'énergie de Born-Oppenheimer, les forces et les hessiennes nucléaires émergent du tiré en arrière du fonctionnel d'énergie et de ses dérivées de réponse basées sur la densité depuis l'espace des potentiels externes vers l'espace des configurations nucléaires.

Nan Sheng2026-04-29🔢 math-ph

Excitation of Low-Frequency Modes and the Effects of Protein Dynamics on Spectral Densities of Bacteriochlorophyll Molecules

Cette étude démontre que la dynamique moléculaire Born-Oppenheimer basée sur la liaison forte issue de la théorie de la fonctionnelle de la densité capture avec précision les caractéristiques de densité spectrale de basse fréquence issues à la fois des vibrations intramoléculaires lentes et des fluctuations protéiques dans les molécules de bactériochlorophylle, surpassant les champs de force classiques et l'analyse des modes normaux dans divers complexes de collecte de la lumière.

Sayan Maity, Tristan A. Mauck, Ulrich Kleinekathöfer2026-04-29🔬 cond-mat.mes-hall

Accelerated Surface Hopping via Scaling the Spin--Orbit Coupling: Opportunities for Machine Learning

Ce papier étudie un schéma de saut de surface accéléré pour simuler des processus non adiabatiques ultrafastes en échelonnant les couplages spin-orbite, démontrant que, bien que les modèles d'apprentissage automatique puissent prédire avec précision les surfaces d'énergie potentielle et les couplages afin de réduire les coûts de calcul, les constantes de temps extrapoles finales restent hautement sensibles aux paramètres d'ajustement, mettant en évidence à la fois le potentiel et les limites actuelles de la fiabilité améliorée par l'apprentissage automatique dans cette approche.

Jakub Martinka, Mahesh Kumar Sit, Pavlo O. Dral, Jiří Pittner2026-04-29🔬 physics

AI-Powered Surrogate Modelling for Multiscale Combustion: A Critical Review and Opportunities

Cette revue évalue de manière critique l'état de l'art de la modélisation de substitution par intelligence artificielle pour la combustion multi-échelle, comparant diverses approches d'apprentissage à travers les échelles, de la cinétique chimique aux systèmes moteurs, tout en mettant en évidence des défis majeurs tels que la transférabilité et les erreurs d'extrapolation, et en identifiant des opportunités futures pour développer des cadres fiables et ancrés dans la physique.

Amirali Shateri, Zhiyin Yang, Yuying Yan, Manosh C. Paul, Jianfei Xie2026-04-29🔬 physics