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.
Ce papier présente LOREM, une architecture de réseau de neurones à messages équivariants conçue pour capturer efficacement les interactions à longue portée dans les potentiels interatomiques, surpassant les méthodes existantes par sa robustesse et ses performances sans nécessiter d'ajustement spécifique des hyperparamètres.
Cette étude computationnelle démontre que le dopage azoté du pont π dans des colorants organiques à base de carbazole améliore de manière progressive le transfert de charge directionnel, le système tridopé à l'azote se révélant le plus efficace pour les cellules solaires à colorant.
En exécutant l'algorithme iQCC à une échelle inédite sur des processeurs classiques, cette étude démontre que les simulations quantiques surpassent les méthodes classiques pour des complexes organométalliques, établissant ainsi le seuil d'environ 200 qubits logiques où l'avantage quantique en chimie computationnelle pourrait émerger.
Cet article propose une vue d'ensemble des représentations moléculaires numériques inspirées du traitement automatique du langage naturel (NLP) et de leurs applications en intelligence artificielle pour la chimie et la science des matériaux, servant de guide aux chercheurs souhaitant explorer l'interface entre ces domaines.
Cet article plaide pour l'intégration de flux de travail d'intelligence artificielle et d'agents autonomes, couplés à des laboratoires auto-pilotés et à l'expérimentation à haut débit, afin d'accélérer la découverte de catalyseurs et l'ingénierie des réactions chimiques pour une industrie plus durable.
Cet article présente une méthode révolutionnaire de génération de conformations moléculaires en une seule étape, utilisant des modèles de dérive guidés par la force pour accélérer l'échantillonnage de Boltzmann d'un facteur million par rapport aux simulations de dynamique moléculaire tout en garantissant une validité structurelle et une précision distributionnelle parfaites.
Cette étude développe une analyse informationnelle de la réactivité chimique le long d'une coordonnée de réaction en utilisant la décomposition partielle de l'information pour décomposer les relations entre les charges atomiques et l'avancement de la réaction, révélant ainsi des signatures symétriques et spécifiques à la liaison pour différentes réactions S<sub>N</sub>2.
En intégrant des simulations de dynamique moléculaire, des modèles de diffusion dépendants du vecteur de diffusion et une inférence bayésienne, cette étude démontre que la diffusion inélastique quasi-élastique de neutrons peut désormais résoudre avec précision les mouvements rotationnels anisotropes du benzène liquide, établissant ainsi un nouveau paradigme pour l'analyse des dynamiques moléculaires dans les matériaux énergétiques et la catalyse.
Cet article examine comment les états moléculaires excités sont façonnés par des impulsions laser longues et ultracourtes en comparant les expansions de Born-Huang et la factorisation exacte, remettant ainsi en question les concepts standards de transfert de population et d'excitation verticale utilisés en chimie.
Cette étude présente une approche de cristallographie par RMN corrigée par les noyaux quantiques (QNC-NMR) qui, en combinant des ensembles quantiques générés par un modèle d'apprentissage automatique (PET-MOLS) et un modèle de déplacement chimique, améliore significativement la précision des prédictions pour les protons liés par hydrogène et permet l'analyse de matériaux amorphes à grande échelle.