La fisica che studia le interazioni tra chimica e processi fisici, spesso indicata come Chem-Ph, esplora il affascinante confine dove le molecole incontrano le leggi fondamentali della natura. In questo settore, i ricercatori analizzano come le strutture atomiche influenzano le reazioni chimiche e come le forze fisiche guidino la formazione di nuovi materiali, rendendo comprensibili fenomeni complessi che stanno alla base della nostra realtà quotidiana.

Su Gist.Science, selezioniamo e processiamo ogni nuovo preprint pubblicato su arXiv in questa categoria, trasformando i risultati accademici grezzi in risorse accessibili. Per ogni studio, offriamo sia una spiegazione chiara e semplice, ideale per i non esperti, sia un riassunto tecnico dettagliato per gli specialisti, garantendo che la scienza avanzata sia fruibile da tutti.

Di seguito troverete le ultime pubblicazioni in questo campo, aggiornate in tempo reale direttamente dalla fonte originale.

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

Il paper introduce la Compositional Probe Decomposition (CPD) per dimostrare che l'allineamento tra il compito di addestramento e la proprietà target, insieme all'architettura equivariante, determina il grado di disaccoppiamento lineare tra informazioni geometriche e composizionali nei modelli fondazionali atomistici, rivelando che canali vettoriali e scalari codificano selettivamente diverse proprietà fisiche.

Joshua Steier2026-03-10🤖 cs.LG

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

Questo lavoro dimostra che l'apprendimento automatico della matrice di densità ridotta a due elettroni (2-RDM) consente di costruire surrogati ad alta fedeltà per metodi di struttura elettronica correlata, permettendo calcoli di qualità coupled-cluster per sistemi complessi come il glucosio solvatato in 500 molecole d'acqua a un costo computazionale paragonabile a quello dell'Hartree-Fock.

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

Scaling Machine Learning Interatomic Potentials with Mixtures of Experts

Il paper presenta architetture di potenziali interatomici basati su apprendimento automatico che utilizzano miscele di esperti (MoE) e miscele di esperti lineari (MoLE), dimostrando che l'attivazione sparsa con esperti condivisi e il routing elemento per elemento migliorano significativamente l'accuratezza e la stabilità, ottenendo risultati all'avanguardia su diversi benchmark e rivelando una specializzazione degli esperti allineata alle tendenze della tavola periodica.

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

Il paper presenta un algoritmo ibrido quantistico-classico basato su rotazioni di Givens sequenziali che, adottando una prospettiva di Heisenberg per trasformare iterativamente l'Hamiltoniano in forma diagonale, riduce significativamente il sovraccarico di misurazione e la profondità dei circuiti nelle simulazioni di struttura elettronica.

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

Symmetry-based perturbation theory for electronic structure calculations

Questo articolo presenta una teoria delle perturbazioni multi-riferimento basata sulle simmetrie (SBPT) che, sfruttando un Hamiltoniano di riferimento con maggiori simmetrie, riduce le risorse computazionali necessarie sia per le espansioni di interazione di configurazione che per il calcolo quantistico, offrendo soluzioni scalabili e risultati migliorati per vari sistemi molecolari.

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