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 studie presenteert een nauwkeurige, volledige dimensionale potentie-energieoppervlakte voor de NH2 + O-reactie, afgeleid van hoogwaardige MRCI-berekeningen en een machine-learningsmodel, die via quasi-klassieke trajectberekeningen betrouwbare kinetische gegevens oplevert voor het optimaliseren van verbrandingsmodellen van stikstofhoudende brandstoffen.
Deze studie presenteert een nauwkeurige, op Gaussian Process Regression gebaseerde potentiaal-energieoppervlakte voor het helium-benzeencomplex, afgeleid van hoogwaardige CCSD(T)-berekeningen, die fundamenteel verschilt van empirische modellen en essentieel is voor het begrijpen van kwantumsolvatatie op grafische materialen.
Deze studie introduceert en valideert een nieuwe XDM-dispersievariant met een op atoomnummers gebaseerde demping, die in combinatie met hybride functies zoals revPBE0 en B86bPBE0 uitstekende en consistente prestaties levert voor zowel de GMTKN55-database als moleculaire kristallen.
Deze paper introduceert een robuust engine voor geometrie-optimalisatie in PyBEST die analytische gradiënten voor orbital-geoptimaliseerde pair-coupled-cluster doubles (OOpCCD) koppelt aan de geomeTRIC-optimizer, waardoor nauwkeurige moleculaire structuren kunnen worden berekend die zeer dicht bij hoogwaardige referentiewaarden liggen.
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.
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 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.
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.
Dit onderzoek toont aan dat de TTCF-methode het mogelijk maakt om de glijlengte van water in grafietnanokanalen bij experimenteel haalbare schuifsnelheden nauwkeurig te simuleren, waarbij de resultaten overeenstemmen met eerdere evenwichts- en experimentele gegevens.