978 papers
Deze collectie duikt in de fascinerende grensgebieden waar de wetten van de fysica de scheikunde raken. Van het gedrag van atomen in nieuwe materialen tot de complexe interacties die moleculen samenstellen, deze papers verkennen hoe fundamentele krachten onze chemische wereld vormgeven. Het is een dynamisch domein dat vaak vergeten wordt, maar essentieel is voor doorbraken in zowel energieopslag als nieuwe geneesmiddelen.
Elk artikel hieronder komt rechtstreeks vanuit arXiv, de belangrijkste bron voor wetenschappelijke voorpublicaties. Bij Gist.Science verwerken we elke nieuwe preprint in deze categorie direct, zodat je niet alleen toegang krijgt tot de originele technische inhoud, maar ook tot een heldere, begrijpelijke samenvatting in gewone taal. Zo blijft je altijd up-to-date zonder vast te zitten in jargon.
Hieronder vind je de nieuwste publicaties die deze snelle ontwikkelingen in de chemische fysica vastleggen.
Dit artikel introduceert SmileyLlama, een groot taalmodel dat via gesuperviseerde fijnafstemming en directe voorkeursoptimalisatie is aangepast om gerichte en betrouwbare generatie van nieuwe, drug-achtige moleculen met specifieke eigenschappen mogelijk te maken voor de geneesmiddelenontwikkeling.
Dit artikel introduceert de Seniority-zero Lineaire Canonische Transformatie (SZ-LCT), een methode die een unitaire transformatie toepast om de elektronische Schrödingervergelijking voor sterk gecorreleerde systemen op te lossen door de Hamiltoniaan te reduceren tot de seniority-zero ruimte, wat leidt tot hoge nauwkeurigheid met een submilliHartree fout en een schaalbaarheid van .
Dit artikel introduceert een seniority-zero canonieke transformatiemethode die, door een unitaire transformatie van de Hamiltoniaan en een combinatie van exacte en benaderde commutatoren, de residual elektroncorrelatie efficiënt meeneemt met een nauwkeurigheid van ongeveer Hartree voor kleine tot middelgrote systemen.
Dit onderzoek toont aan dat het toepassen van de QEVE-algoritme op niet-Hermitische transcorrelatie-Hamiltonianen voor atomen van de tweede rij, ondanks variaties in nauwkeurigheid, een T-gate-aantal vereist dat ligt tussen dat van standaard qubitization in grotere basissets, wat een efficiëntere quantum-eigenvaardigheidsbepaling mogelijk maakt.
Dit artikel toont aan dat de combinatie van Sample-based Quantum Diagonalization (SQD) en Density Matrix Embedding Theory (DMET) op IBM's Eagle R3-hardware chemisch nauwkeurige grondtoestandsenergieën kan berekenen voor complexe, laag-symmetrische ligandachtige moleculen, waarbij entanglement-georiënteerde strategieën cruciaal zijn voor de nauwkeurigheid en schaalbaarheid.
Dit artikel introduceert een uitgebreide state-to-state analyse voor Pad-integraal Lindblad-dynamica die transportroutes in open kwantumsystemen onder niet-evenwichtscondities kan ontrafelen door generieke dissipatieve, pompende en decoherende processen te modelleren, wat wordt gedemonstreerd aan de hand van steady-state excitonische stromen in moleculaire aggregaten.
Dit onderzoek toont aan dat de fluorescentielevensduur van fluorescerende moleculaire rotoren in ternaire PEG-mengsels lineair varieert met de samenstelling, wat een nauwkeurigere test van de vrije-volume-theorie mogelijk maakt ondanks enkele beperkingen in de kwantitatieve toepassing ervan.
Dit artikel introduceert een model-dichtheidsbenadering die multipoolmomenten van kristallijne ladingsverdelingen tot een gewenste orde compenseert om de convergentie van Ewald-sommen te versnellen, wat wordt gedemonstreerd op de berekening van de fundamentele bandkloof van galliumarsenide en tevens een decennia oude implementatie in de CRYSTAL-code verduidelijkt.
Dit artikel introduceert El Agente Estructural, een multimodaal, door natuurlijke taal gestuurd agent dat door middel van domeinspecifieke hulpmiddelen en visueel-taalmodellen menselijke expertise nabootst om moleculaire systemen in drie dimensies nauwkeurig te manipuleren en te bewerken zonder de volledige structuur opnieuw te hoeven genereren.
Deze studie toont aan dat het integreren van kwantumchemische bindingsbeschrijvers in machinelearning-modellen, gebaseerd op een uitgebreide database van circa 13.000 materialen, niet alleen de voorspellende nauwkeurigheid voor elastische, vibratoire en thermodynamische eigenschappen verbetert, maar ook helpt bij het afleiden van intuïtieve wiskundige uitdrukkingen voor deze eigenschappen.