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.
Il lavoro propone un quadro analitico per valutare la precisione degli integratori di tipo Verlet stocastico nella simulazione dell'equazione di Langevin, identificando nel set di integratori GJ la soluzione ottimale per simulare correttamente diffusione, deriva e campionamento statistico.
Questo lavoro accelera il controllo ottimale quantistico per la manipolazione degli spin combinando il metodo degli elementi finiti (FEM) con il metodo delle asintoti mobili, ottimizzando simultaneamente la risoluzione della traiettoria dello spin e il calcolo del gradiente per una convergenza più rapida.
Lo studio analizza la dinamica stocastica dei traccianti in elettroliti guidati tramite una teoria di campo autoconsistente, dimostrando come le fluttuazioni idrodinamiche a lungo raggio possano generare diversi regimi di diffusione anomala nonostante lo screening di Debye.
FragmentFlow è un approccio "divide-and-conquer" che permette di generare stati di transizione per grandi molecole in modo scalabile, addestrando un modello generativo solo sul nucleo reattivo e ricostruendo poi la struttura completa tramite frammenti sostituenti.
Il paper presenta NMRTrans, un modello basato su Set Transformer addestrato esclusivamente su un nuovo ampio corpus di spettri sperimentali (NMRSpec), che supera significativamente gli approcci precedenti nell'elucidazione delle strutture molecolari partendo da dati NMR reali.
Lo studio utilizza simulazioni molecolari per dimostrare che la dinamica dell'appaiamento ionico in elettroliti concentrati sotto campi elettrici è influenzata da dettagli molecolari e solventi, spiegando perché le teorie classiche di Onsager sovrastimino l'aumento della conducibilità non lineare.
Questo studio introduce un protocollo efficiente di energia libera alchemica che utilizza potenziali basati sull'apprendimento automatico (MLP) per calcolare le energie libere di solvatazione di una vasta gamma di molecole organiche con una precisione superiore a quella chimica.
Questo studio presenta CheMeleon, un modello di fondazione con circa 10 milioni di parametri che, utilizzando descrittori molecolari a basso rumore per il pre-addestramento, supera le prestazioni dei metodi di machine learning classici e dei modelli esistenti in numerosi benchmark di proprietà molecolari.
Il lavoro estende un precedente risultato per fornire una forma esplicita e massimale dell'insieme delle densità -rappresentabili su un toro monodimensionale a temperatura finita, dimostrando che l'inclusione del calore garantisce la differenziabilità di Gâteaux del funzionale universale termico.
Questo studio presenta un metodo di apprendimento automatico basato su processi gaussiani che, utilizzando descrittori a lungo raggio, permette di prevedere con precisione la densità elettronica in supercelle moiré di grandi dimensioni, superando i limiti computazionali della teoria del funzionale della densità (DFT) per materiali come il grafene e i dicalcogenuri dei metalli di transizione.