155 articoli
Il paper introduce una teoria accoppiata-degenerata (CC) size-estensiva e convergente per calcolare energie e funzioni d'onda da riferimenti degeneri o non degeneri, e ne deriva una versione quasidegenerata (QCC) ottimizzata per la correlazione forte, dimostrando attraverso algoritmi fino all'ottupla eccitazione che queste metodologie superano in accuratezza le teorie CI, EOM-CC, MP e MBGF.
Questo studio dimostra che l'uso di uno stato di Fock come condizione iniziale per un modo di cavità quantizzato rivela fenomeni di formazione di polaritoni e di entanglement luce-materia che sono invisibili ai trattamenti classici o semi-classici, evidenziando la necessità di una descrizione quantistica completa dell'elettrodinamica.
Il lavoro presenta OrbEvo, un modello basato su trasformatori grafici equivarianti che apprende efficientemente l'evoluzione temporale delle funzioni d'onda nella teoria del funzionale densità dipendente dal tempo (TDDFT) per prevedere con precisione le dinamiche elettroniche e le proprietà ottiche sotto l'effetto di campi esterni.
Il lavoro presenta due metodi ottici indipendenti per la nanotermometria primaria assoluta basati sulla distribuzione di Boltzmann tra i sottolivelli di Stark di ioni di terre rare in nanoparticelle, permettendo misurazioni di temperatura senza riferimenti esterni fino alla scala nanometrica.
Questo articolo presenta un protocollo di ottimizzazione teorica per il parametro di separazione di range nella teoria MC-srDFT, basato sulla corretta decadimento esponenziale della densità elettronica e sull'energia di ionizzazione, che migliora significativamente il calcolo delle polarizzabilità statiche e dinamiche rispetto ai parametri universali.
Questo studio utilizza l'annealing di popolazione con un programma di temperatura adattivo e un'analisi strutturale risolta per mappare con successo il paesaggio termodinamico del cluster LJ, identificando le sue tre bacine strutturali e calcolando le differenze di energia libera che spiegano le transizioni di fase osservate.
Lo studio rivela che l'omissione delle interazioni elettrostatiche a lungo raggio nei potenziali interatomici appresi tramite machine learning a corto raggio induce una metallizzazione spuria degli strati d'acqua polari, dimostrando che l'inclusione esplicita di tali effetti è fondamentale per simulazioni accurate di sistemi contenenti liquidi polari.
Questo studio presenta una tecnica di spettroscopia SFG potenziata da punta (TE-SFG) di fase sensibile che utilizza impulsi temporali asimmetrici per sopprimere il fondo non risonante, rivelando segnali vibrazionali deboli con risoluzione nanometrica e permettendo la determinazione dell'orientamento molecolare assoluto.
Il paper presenta MAD-1.5, un dataset altamente curato e standardizzato che copre 102 elementi con calcoli DFT uniformi, progettato per addestrare modelli di apprendimento automatico atomistici universali ad alta precisione, come dimostrato dal potenziale interatomico PET-MAD-1.5.
Il paper presenta GET-SEI, un framework generale basato su apprendimento contrastivo su grafi, decomposizione dinamica estesa e teoria del percorso di transizione, che permette di caratterizzare senza etichette predefinite gli ambienti atomici locali e quantificare i meccanismi di trasporto del litio nell'interfaccia tra elettroliti solidi e anodi metallici per ottimizzare le batterie a stato solido.
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.
Gli autori hanno sviluppato il più ampio potenziale interatomico universale basato sull'apprendimento automatico, coprendo 97 elementi inclusi gli attinidi minori, per facilitare la ricerca nel campo nucleare e la progettazione di nuovi materiali.
Gli autori propongono un metodo ibrido quantistico-classico che combina la selezione orbitale dominante quantistica (QDOS) e la correlazione dinamica del sottospazio (SDC) per calcolare accuratamente le energie molecolari su computer quantistici fault-tolerant, riducendo significativamente la necessità di lettura dei dati quantistici.
Utilizzando il framework della fattorizzazione esatta, questo studio dimostra che le correlazioni non adiabatiche elettrone-nucleo inducono la de-ortogonalizzazione dei fattori elettronici, generando così interferenza nella densità nucleare, un fenomeno che non ha corrispettivo nell'evoluzione adiabatica.
Il sistema di intelligenza artificiale agenziale ChemNavigator ha autonomamente scoperto sei regole progettuali statisticamente significative per i fotocatalizzatori organici, integrando il ragionamento dei modelli linguistici con calcoli computazionali per derivare principi chimici interpretabili che superano i limiti degli approcci di machine learning tradizionali.