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.

Unveiling Davydov-Split Excitons in a Template-Engineered Molecular-Graphene Heterostructure

Questo studio presenta un protocollo di nanofabbricazione che ripristina la purezza atomica dell'interfaccia grafene-SiC, permettendo l'osservazione di eccitoni Davydov-split in strati di HMTP e fornendo una piattaforma scalabile per lo studio della dinamica degli eccitoni scuri e delle memorie quantistiche molecolari.

Jan Kunc, Bohdan Morzhuk, Veronika Stará, Devanshu Varshney, Mykhailo Shestopalov, Kryštof Matějka, Martin Rejhon, Jiří Novák, Jan Čechal2026-03-04⚛️ quant-ph

Bayesian Optimization in Chemical Compound Sub-Spaces using Low-Dimensional Molecular Descriptors

Questo studio presenta un framework di ottimizzazione bayesiana basato su descrittori molecolari a bassa dimensionalità e fisicamente informati che, grazie a una mappatura inversa affidabile, identifica con successo strutture molecolari ottimali con meno di 2.000 punti di dati, superando le limitazioni dei metodi tradizionali in scenari con scarsità di dati.

Yun-Wen Mao, Roman V. Krems2026-03-04🔬 physics

Hybrid Machine Learning for Enhanced Prediction of Diffusion Coefficients in Liquids

Il lavoro presenta un modello ibrido di apprendimento automatico chiamato Enhanced Stokes-Einstein (ESE) che, integrando l'equazione di Stokes-Einstein con dati molecolari, supera le prestazioni degli approcci precedenti per prevedere con alta precisione i coefficienti di diffusione a diluizione infinita in liquidi utilizzando esclusivamente le stringhe SMILES come input.

Jens Wagner, Zeno Romero, Kerstin Münnemann, Sebastian Schmitt, Thomas Specht, Hans Hasse, Fabian Jirasek2026-03-04🔬 physics

ChemFlow:A Hierarchical Neural Network for Multiscale Representation Learning in Chemical Mixtures

Il paper presenta ChemFlow, un innovativo framework di reti neurali gerarchiche che integra rappresentazioni atomiche, di gruppi funzionali e molecolari per prevedere con precisione le proprietà fisico-chimiche di miscele chimiche complesse, superando i limiti degli approcci esistenti nel modellare le interazioni multiscala e la dipendenza dalle concentrazioni.

Jinming Fan, Chao Qian, Wilhelm T. S. Huck, William E. Robinson, Shaodong Zhou2026-03-04🤖 cs.LG

The Graph automorphism group of the dissociation microequilibrium of polyprotic acids

Il documento descrive gli stati microscopici di dissociazione degli acidi poliprotici mediante la teoria degli insiemi e la teoria dei grafi, identificando il gruppo di automorfismo del grafo come il prodotto diretto C2×SNC_2 \times S_N per caratterizzare le permutazioni che preservano la connettività durante l'equilibrio di dissociazione.

Nicolás Salas, Justin López, Carlos A. Arango2026-03-03🔬 physics

Infinite Boundary Terms and Pairwise Interactions: A Unified Framework for Periodic Coulomb Systems

Questo articolo presenta un quadro unificato per derivare l'energia e la pressione elettrostatica di sistemi periodici, sia neutri che non neutri, sostituendo l'interazione di Coulomb con un'interazione efficace a coppie che include termini di confine infiniti, permettendo così di trattare in modo coerente sia le particelle puntiformi che le distribuzioni di carica.

Yihao Zhao, Zhonghan Hu2026-03-03🔬 physics