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.
Cette étude accélère l'optimisation du contrôle quantitatif d'un spin unique en combinant la méthode des éléments finis (FEM), pour une résolution efficace des trajectoires et des gradients, avec la méthode des asymptotes mobiles pour une convergence rapide vers la fidélité cible.
Cette étude utilise une théorie de champ autocohérente pour démontrer comment les fluctuations hydrodynamiques dans un électrolyte piloté induisent divers régimes de diffusion anormale, prouvant que les interactions à longue portée dominent la dynamique hors équilibre malgré l'effet d'écrantage de Debye.
FragmentFlow est une approche de type « diviser pour régner » qui permet de générer de manière évolutive les états de transition de grandes molécules en prédisant la géométrie du cœur réactif avant de reconstruire la structure complète par réattachement de fragments.
Pour résoudre les limites des méthodes actuelles basées sur des données simulées, les auteurs proposent NMRTrans, un modèle basé sur les *Set Transformers* entraîné exclusivement sur un nouveau vaste corpus de spectres expérimentaux (NMRSpec), atteignant ainsi des performances de pointe pour l'élucidation de structures moléculaires.
Cette étude utilise des simulations moléculaires pour démontrer que les effets de solvatation et la diminution de la constante diélectrique sous champ électrique limitent la dissociation des paires d'ions, expliquant ainsi pourquoi les théories classiques de l'Onsager surestiment la conductivité non linéaire des électrolytes concentrés.
Cette étude présente un nouveau protocole de calcul d'énergie libre alchimique utilisant des potentiels appris par apprentissage automatique (MLP) pour prédire les énergies de solvatation de petites molécules avec une précision quasi expérimentale.
Cette étude présente CheMeleon, un modèle de fondation de 10 millions de paramètres qui surpasse les méthodes classiques et les modèles de deep learning existants en utilisant des descripteurs moléculaires peu bruités pour l'apprentissage de représentations hautement transférables.
Cette étude étend des travaux antérieurs pour caractériser de manière explicite et maximale l'ensemble des densités -représentables sur un tore unidimensionnel à température finie, en utilisant l'espace de Sobolev et la convexité des fonctionnelles thermiques.
Cette étude présente une méthode d'apprentissage automatique basée sur la régression par processus gaussiens qui, en utilisant des descripteurs à longue portée, permet de prédire avec précision la densité électronique de grands superréseaux de moirés à partir de structures de petite taille.
Cette étude utilise une méthode hybride de dynamique moléculaire et de Monte Carlo pour démontrer que la théorie de Poisson-Boltzmann linéarisée peut prédire l'équilibre de Donnan dans des pores chargés, à condition d'utiliser des densités de charge de surface renormalisées.