785 articoli
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.
Questo studio dimostra che l'effetto anomalo della frazione molare nei nanopori PET negativamente carichi è governato da un delicato equilibrio tra inversione di carica, fuoriuscita di anioni e mobilità ionica, rivelando come la selettività tra cationi monovalenti e divalenti sia modulata dalla selettività tra cationi e anioni.
Il paper presenta PackFlow, un framework basato su flow matching e allineamento fisico tramite reinforcement learning che genera proposte di strutture cristalline molecolari più vicine ai minimi energetici rispetto ai metodi euristici tradizionali, ottimizzando così il processo di previsione della struttura cristallina.
Il documento dimostra che l'omogeneizzazione tramite misura di Young applicata all'equazione del trasporto radiativo genera tensori di soluzione con decomposizione a treno tensoriale a rango limitato, permettendo di superare i costi computazionali delle metodologie tradizionali mantenendo un'elevata fedeltà spettrale per diverse fonti di opacità.
Questo articolo presenta HBAT 2, una nuova implementazione in Python del tool originale del 2007, progettata per analizzare in modo automatizzato legami idrogeno e altre interazioni non covalenti in strutture macromolecolari, offrendo un'interfaccia grafica, una CLI e un'API per diversi livelli di competenza computazionale.
Il paper dimostra che molti modelli di machine learning per la scoperta di materiali ottengono risultati promettenti basandosi su correlazioni spurie bibliografiche (come autore, rivista e anno) piuttosto che su principi chimici reali, sottolineando la necessità di test di falsificazione rigorosi e dataset progettati per evitare tali distorsioni.
Il lavoro presenta "El Agente Gráfico", un framework a singolo agente che integra modelli linguistici in un ambiente di esecuzione tipizzato e grafi della conoscenza dinamici per automatizzare flussi di lavoro scientifici complessi, garantendo coerenza, tracciabilità e robustezza attraverso astrazioni strutturate invece di testi non strutturati.
Questo studio valuta l'efficienza di diversi metodi computazionali per calcolare gli spettri di assorbimento di complessi di platino utilizzati come sonde luminescenti per il rilevamento del cancro, concludendo che l'approccio PBEh-3c offre il miglior compromesso tra accuratezza ed efficienza, specialmente quando combinato con approssimazioni come TDA e RI.
Questo studio presenta le Clapeyron Neural Networks, un approccio di apprendimento automatico basato su reti neurali a grafo che integra l'equazione di Clapeyron nella funzione di perdita per prevedere in modo coerente e accurato le proprietà di equilibrio vapore-liquido di sostanze pure, dimostrando particolare efficacia in scenari con dati sperimentali scarsi.
Questo studio computazionale dimostra che un framework organico covalente funzionalizzato con ferrocene (MSUCOF-4-FeCp) supera significativamente gli obiettivi del Dipartimento dell'Energia degli Stati Uniti per lo stoccaggio dell'idrogeno, offrendo un'alternativa economica ai metalli preziosi.
Questo studio introduce un metodo efficiente per le simulazioni di dinamica browniana di condensatori a doppio strato elettrico, basato su un potenziale efficace che descrive gli elettrodi tramite la lunghezza di screening di Thomas-Fermi, permettendo di studiare con costi computazionali ridotti l'effetto della metallicità sugli profili di densità ionica e sulla capacità differenziale.