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 de -PBE-functie, een niet-empirische, baanvrije meta-GGA die de volledige dichtheids-Hessiaan gebruikt om onderscheid te maken tussen atomaire en gebonden toestanden, en demonstreert de haalbaarheid van een zelfconsistente implementatie binnen de PAW-methode ondanks uitdagingen bij het voorspellen van roostervoorwaarden.
Dit artikel introduceert een unificerend machine learning-framework dat expliciete elektrische potentialen integreert om tegelijkertijd atomaire krachten en elektronendichtheidsverdelingen op grote schaal en met hoge nauwkeurigheid te voorspellen voor elektrochemische interfaces.
Dit artikel onderzoekt de toepassing van uitgebreide fase-ruimte symplectische integratie voor het simuleren van elektronendynamica in zowel klassieke plasmafysica als kwantumchemie, waarbij stabiliteitsvoorwaarden worden afgeleid en een goedkope metriek voor nauwkeurigheidsbeoordeling wordt geïdentificeerd.
Deze paper introduceert een adaptief hybride algoritme dat de Climbing Image Nudged Elastic Band-methode combineert met Minimum Mode Following om de convergentie naar relevante overgangstoestanden te versnellen en de computatiekosten aanzienlijk te verlagen voor hoogdoorvoergeautomatiseerde chemische ontdekking.
De auteurs presenteren een end-to-end differentieerbare workflow die een enkel diep-geleerd energiefunctionaal optimaliseert voor zowel DFT als lineaire respons TDDFT door gebruik te maken van een JAX-gebaseerd quantumchemisch framework dat automatisch differentiatie toepast op de zelfconsistent-veldvergelijkingen en de Casida-eigenwaardeproblemen.
Deze paper introduceert een fysisch geïnformeerd Bayesiaans actief leermodel dat de tuning van pulsduurtijden bij atomaire laagdepositie (ALD) versnelt en de precursorverbruik verlaagt door een Langmuir-adsorptiemodel te integreren in een Gaußisch proces, wat zowel in simulaties als experimenten met TiO2-depositie succesvolle convergentie en nauwkeurige saturatiebepaling heeft bewezen.
Dit artikel introduceert een algemene collectieve variabele gebaseerd op lokale informatie-entropie die onbevooroordeelde verkenning van potentie-energieoppervlakken mogelijk maakt en zo de ontdekking van onvoorziene overgangsmechanismen en metastabiele toestanden in diverse moleculaire systemen verbetert.
De studie toont aan dat hoewel resonante pump-probe-configuraties de selectiviteit voor sterk gekoppelde moleculen maximaliseren, niet-resonante configuraties verrassend hoge gevoeligheid behouden voor deze signalen terwijl ze minder vatbaar zijn voor optische artefacten.
Dit onderzoek toont aan dat de q-sc-EOM-methode, gecombineerd met ADAPT-VQE/LUCJ en geavanceerde foutenmitigatie, nauwkeurige geëxciteerde toestanden kan berekenen op kwantumhardware door de meetkosten drastisch te verlagen en zo een stap zet naar kwantumnut in de chemische simulatie.
Deze studie analyseert de prestaties van diverse semilokale en hybride dichtheidsfunctionalen bij het berekenen van defectvormingsenergieën in metalen en silicium, en onthult dat lokale benaderingen voor metalen en de meta-GGA LAK voor silicium de beste resultaten leveren, terwijl de analyse van semilokale ingrediënten inzicht biedt in de onderliggende trends voor toekomstige verbeteringen.