🔬 Category

physics.chem-ph

794 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.

Information Routing in Atomistic Foundation Models: How Task Alignment and Equivariance Shape Linear Disentanglement

Cette étude introduit la décomposition de sonde compositionnelle (CPD) pour démontrer que l'alignement de la tâche d'entraînement, plutôt que l'architecture du modèle, détermine la séparation linéaire des informations géométriques et compositionnelles dans les modèles de fondation atomistiques, tout en révélant un routage de l'information par symétrie au sein des représentations MACE.

Joshua Steier2026-03-10🤖 cs.LG

Machine learning the two-electron reduced density matrix in molecules and condensed phases

Cette étude démontre la faisabilité d'apprendre la matrice de densité réduite à deux électrons (2-RDM) par apprentissage automatique pour obtenir des modèles de haute fidélité capables de prédire avec précision les énergies et les forces de systèmes moléculaires complexes, tels que le glucose solvaté, à un coût computationnel équivalent à celui de la méthode Hartree-Fock tout en atteignant la précision du couplage de clusters.

Jessica A. Martinez B., Bhaskar Rana, Xuecheng Shao, Katarzyna Pernal, Michele Pavanello2026-03-10🔬 physics

Scaling Machine Learning Interatomic Potentials with Mixtures of Experts

Cette étude présente des architectures de potentiels interatomiques basés sur l'apprentissage automatique utilisant des mélanges d'experts (MoE) qui, grâce à une activation parcimonieuse et un routage élément par élément, atteignent une précision inédite tout en révélant une spécialisation chimique interprétable alignée sur les tendances du tableau périodique.

Yuzhi Liu, Duo Zhang, Anyang Peng, Weinan E, Linfeng Zhang, Han Wang2026-03-10🤖 cs.LG

Classically Driven Hybrid Quantum Algorithms with Sequential Givens Rotations for Reduced Measurement Cost

Cet article présente un algorithme hybride quantique-classique novateur qui réduit les coûts de mesure dans les simulations de structure électronique en transformant classiquement l'hamiltonien vers une forme diagonale via des rotations de Givens séquentielles, limitant ainsi la charge quantique à un ensemble fixe et réduit de mesures de matrice.

Benjamin Mokhtar, Noboru Inoue, Takashi Tsuchimochi2026-03-10⚛️ quant-ph

Symmetry-based perturbation theory for electronic structure calculations

Cet article présente une théorie de perturbation multi-référence basée sur les symétries (SBPT) qui exploite des symétries supplémentaires du Hamiltonien de référence pour réduire significativement les ressources computationnelles nécessaires aux calculs de structure électronique, tout en offrant des résultats plus précis pour certains systèmes moléculaires.

Hiromichi Nishimura, Nam Nguyen, Tanvi Gujarati, Mario Motta2026-03-10⚛️ quant-ph