979 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 een verbeterde, niet-hiërarchische correlatie-discrete variabele representatie (CDVR) voor MCTDH-berekeningen die expliciete projectie op de ruimte van single-hole-functies elimineert, waardoor een gunstige -schaalbaarheid wordt bereikt en de nauwkeurigheid wordt verhoogd zonder extra rekentijd, zoals gedemonstreerd door toepassingen op systemen zoals NOCl, methyl en pyrazine.
In dit artikel wordt een onderzoek gepresenteerd waarbij diazabicyclo[2.2.2]octaan (DABCO) met VUV-synchrotronstraling is geanalyseerd, wat leidde tot een nauwkeurige bepaling van de adiabatische ionisatie-energie en de ontdekking dat de anisotropie van de foto-elektronen afhankelijk is van de vibratie-excitatie door verstrooiing via hoog-gelegen Rydberg-toestanden.
Deze paper introduceert een nieuwe open-source implementatie van de anti-Hermitische gecontracteerde Schrödingervergelijking (ACSE) die een schaalbare en robuuste methode biedt voor het nauwkeurig simuleren van alle-elektroncorrelatie in zowel grond- als aangeslagen toestanden van moleculen, ongeacht de complexiteit van de sterk gecorreleerde referentiegolfunctie.
Dit onderzoek toont aan dat de torsiehoek tussen monomeereenheden, meer dan de regio-connectiviteit, de efficiëntie van tripletgeneratie via singletfissie of SOCT-ISC in aza-BODIPY-dimeren bepaalt.
Dit artikel introduceert het Central-Peripheral Distillation (CPD)-algoritme, dat de trainingsdoeltreffendheid van machine learning-krachtenvelden in fasovergangsregimes aanzienlijk verbetert door een geoptimaliseerde dataset van slechts 200 configuraties te distilleren die de structurele en dynamische eigenschappen van vloeibaar waterstof nauwkeurig reproduceert.
Dit artikel introduceert een schaalbaar raamwerk op basis van Interacting-Bath Dynamical Embedding Theory (ibDET) dat de berekening van geladen excitatie-energieën voor moleculaire systemen efficiënt maakt door het volledige systeem op te delen in atoomcentrale impuriteiten met een nauwkeurig gerepresenteerde omgeving, wat resulteert in ionisatiepotentialen en elektronenaffiniteiten met een foutmarge van ongeveer 0,1 eV of minder tegen een aanzienlijk lagere rekenkosten.
Dit onderzoek toont aan dat fotodissociatie van minder vluchtige ijscomponenten zoals ammoniak en kooldioxide in cometaire analogiën zowel koolstofmonoxide als stikstof kan produceren, waarbij vooral de waargenomen stikstofabundanties in kometen goed verklaard kunnen worden door dit mechanisme in plaats van uitsluitend door lage vormingstemperaturen.
Deze paper presenteert een thermodynamisch consistent raamwerk voor het voorspellen van zelf- en wederzijdse diffusiecoëfficiënten in vloeistofmengsels op basis van entropiescaling, waarbij gebruik wordt gemaakt van moleculaire toestandsvergelijkingen en gegevens over zuivere componenten en oneindige verdunning om nauwkeurige voorspellingen te doen over een breed scala aan toestanden, inclusief sterk niet-ideale mengsels.
Deze studie ontwikkelt een machine-learned interatomair potentiaalmodel voor het voorspellen van structuur, transport en reactiviteit in platinum-Nafion-brandstofcellen, waarbij wordt geconstateerd dat hoewel het model uitstekende resultaten levert voor structurele eigenschappen en reacties, actieve learning beperkt effectief is voor het reduceren van onzekerheid en het simuleren van langzame transportprocessen nog steeds een uitdaging vormt.
Deze studie vergelijkt twee strategieën voor het trainen van machine-learned krachtvelden, waarbij pre-training en fine-tuning afhangen van de kwaliteit van de data en methodespecifieke aanpassingen vereisen, terwijl multi-headed training method-onafhankelijke representaties levert die hoewel ze iets minder nauwkeurig zijn, kostenefficiëntie en flexibiliteit bieden door het combineren van dure en goedkope labels.