785 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.
Deze theoretische studie toont aan dat een kruisende naad in de moleculaire configuratieruimte, gedreven door elektronische kwantumgeometrie, een open reactiekanaal voor singlet fission in een waterstofketen volledig kan blokkeren.
Dit onderzoek introduceert de 'Gamma-Fit'-methode en een semi-klassieke Marcus-benadering om de complexe kinetiek van TADF-emitters in vaste films nauwkeuriger te beschrijven door rekening te houden met conformationele en kinetische heterogeniteit, wat essentieel is voor het optimaliseren van OLED- efficiency.
Dit artikel presenteert een consistent geparameteriseerd elektrochemisch-thermisch degradatiemodel in PyBaMM dat de interactie tussen SEI-groei, lithiumplating en actief materiaalverlies analyseert om de levensduur en staat van gezondheid van NMC-batterijen onder diverse kalender- en cyclische verouderingsomstandigheden nauwkeurig te voorspellen.
Dit artikel introduceert de 'integral decimation'-methode, een op kwantummechanica geïnspireerd algoritme dat de rekentijd voor multidimensionale integralen van exponentieel naar polynomiaal verlaagt door de integrand te ontbinden in een spectrale tensor-trein, waardoor complexe problemen in de statistische mechanica en kwantumdynamica efficiënter kunnen worden opgelost.
Dit computergestuurde onderzoek onthult dat vibratieverschuivingen van moleculen worden bepaald door de onderlinge strijd tussen Pauli-afstoting en elektrostatische interacties, waarbij veldinhomogeniteit deze verschuivingen aanzienlijk kan versterken of verzwakken, wat essentieel is voor het interpreteren van spectroscopische probes in complexe systemen.
Deze studie toont aan dat de combinatie van de nieuwe Z-demping in het XDM-model en de toevoeging van drie-deeltjesinteracties (ATM-term) de nauwkeurigste berekeningen van exfoliatie-energieën voor gelaagde materialen oplevert met behulp van semi-lokale functionalen.
Deze paper introduceert een spin-aangepast neurale netwerk-backflow-ansatz (SA-NNBF) die strikte spinsymmetrie garandeert en door middel van geavanceerde compressie-algoritmen nauwkeurigere resultaten levert voor sterk gecorreleerde systemen zoals het FeMoco-complex dan bestaande methoden, met een aanzienlijk lager rekenvermogen.
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 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.
In deze studie wordt de prestatie van RI-CC2 voor ultrafast interne conversie in pyrazine onderzocht door middel van een nieuwe implementatie van analytische gradiënten en niet-adiabatische koppelingsvectoren in Q-Chem, wat resulteert in nauwkeurige simulaties die de experimentele populatievervaltijden bevestigen en waardevolle datasets opleveren voor machine learning.