997 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 paper introduceert een unificerend machine learning-raamwerk dat machine-learnde interatomaire potentialen combineert met neurale klassieke dichtheidsfunctionaaltheorie om de thermodynamica en het gedrag van vloeistoffen, zoals water en kooldioxide, over meerdere schaalniveaus nauwkeurig en efficiënt te voorspellen op basis van eerste principes.
Deze studie lost de discrepanties in voorspellingen van de afschuwingsdruk voor vloeibare nanofilms op door aan te tonen dat deze voortkomen uit het negeren van langeafstands-dispersiekrachten en inconsistente definitie van filmdikte, en presenteert een verbeterde versie van de Peng-methode die nauwkeuriger Hamaker-constanten oplevert.
Dit artikel stelt een Bohmiaans, trajectgebaseerd raamwerk voor dat Lagrangiaanse Descriptoren gebruikt om een geometrische diagnose van quantumverwarring te construeren binnen een voorbereidingsruimte van gegeneraliseerde golfpakketten, waarbij de analytische toepasbaarheid op een omgekeerde harmonische oscillator een exponentiële gevoeligheid aantoont die vergelijkbaar is met OTOC-groei.
Deze studie introduceert nieuwe batching-algoritmen voor efficiënte CCSD-implementaties op GPU's, waarbij een vergelijking van CuPy en PyTorch op NVIDIA Hopper- en Grace Hopper-architecturen een tot wel 16-voudige versnelling toont ten opzichte van eerdere hybride GPU-CPU-methoden.
Dit paper introduceert een orbital-geoptimaliseerde VQE-methode met orbitalcompressie (FNO/SVO-OO-VQE) die de variatie-accuraatte verhoogt en de meetkosten aanzienlijk verlaagt voor elektronische structuurberekeningen op huidige quantumhardware.
Dit artikel introduceert een machine-learning-gedreven optimizer die de linkermste Hessiaanse eigenvector direct voorspelt om overgangstoestanden te vinden met de stabiliteit van tweede-orde methoden maar tegen de rekenkosten van eerste-orde methoden, waardoor de efficiëntie voor hoogdoorvoer-reactieontdekking aanzienlijk wordt verbeterd.
Dit overzicht bespreekt hoe moleculaire eigenschappen en ruimtelijke beperkingen vervormde evenwichtstoestanden en polydomeinen veroorzaken in para- en ferroëlektrische nematische vloeibare kristallen, waarbij pariteitsbreking en splay-cancellatie-effecten een centrale rol spelen.
Dit paper introduceert TERS-ABNet, een deep learning-framework dat TERS-mapping-gegevens omzet in een atoom- en bindingsgrafiek, waardoor de automatische reconstructie van de volledige atomaire structuur van een enkel molecuul met hoge precisie mogelijk wordt.
Dit artikel beschrijft een nieuw mechanisme waarbij chemisch actieve colloïden met bistabiele dynamiek spontaan en omkeerbaar kunnen schakelen tussen verschillende interactiemodi, waardoor niet-reciproke krachten en emergente zwermgedragingen ontstaan binnen een enkele deeltjessoort.
Het artikel introduceert olLOSC, een efficiënte en uniforme verbetering van de dichtheidsfunctionaaltheorie die delokalisatiefouten corrigeert in zowel moleculen als periodieke materialen door gebruik te maken van orbitaalvrije elektronische lineaire respons.