1002 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 presenteert een performante multi-GPU-implementatie van de MBE(3)-OSV-MP2-methode die, door het overwinnen van algoritmische complexiteiten, schaalbare en snelle *ab initio*-berekeningen mogelijk maakt voor grote macromoleculen zoals insuline.
Deze paper introduceert het all-in-one ANI-model, een multimodale architectuur die meerdere niveaus van kwantumchemie kan leren en zo een schaalbare, universele en nauwkeurige oplossing biedt voor het voorspellen van moleculaire eigenschappen.
Het artikel introduceert Aitomia, een door AI-aangedreven platform dat experts en niet-experts ondersteunt bij het uitvoeren, analyseren en visualiseren van atomaire en kwantumchemische simulaties via chatbots en multi-agent systemen, waardoor de drempel voor dergelijk onderzoek wordt verlaagd.
Dit paper introduceert MDtrajNet, een nieuw neurale netwerk dat moleculaire dynamica-trajecten direct voorspelt over het chemische landschap heen, waardoor simulaties tot twee orde van grootte sneller worden dan traditionele methoden terwijl de nauwkeurigheid van ab initio-simulaties wordt behouden.
Dit paper introduceert een nieuwe methode met NAC-specifieke beschrijvers en een fasecorrectieprocedure die machine learning van niet-adiabatische koppelingsvectoren mogelijk maakt met ongeëvenaarde nauwkeurigheid, wat leidt tot efficiënte en robuuste fully ML-gedreven FSSH-simulaties.
Deze studie introduceert de rSCANY@rSCANX-methode, die gebruikmaakt van verschillende fracties van exacte uitwisseling voor elektronendichtheid en totale energie om het zelfinteractiefout in overgangsmetaaloxiden te verminderen en zo nauwkeurigere voorspellingen te leveren dan bestaande DFT-benaderingen.
Deze studie lost de Blanc-Cances-instabiliteit van Wang-Teter-achtige niet-lokale kinetische energiedichtheidsfunctionalen voor geïsoleerde systemen op door een door de dichtheid bepaalde kern te introduceren, wat leidt tot een aanzienlijke verbetering in nauwkeurigheid voor atomen terwijl de efficiëntie en de superieure prestaties in bulkmetalen behouden blijven.
Deze studie toont aan dat de dielektrische relaxatie in ijs en water wordt gedomineerd door klassieke protonoverdracht in plaats van moleculaire heroriëntatie, zoals blijkt uit de constante verhouding van 2,0 tussen de relaxatiesnelheden van H₂O en D₂O en de overeenstemming met de Kramers-theorie.
AceFF is een geavanceerd, vooraf getraind machine learning potentiaalmodel dat, gebaseerd op een geoptimaliseerde TensorNet2-architectuur en getraind op een uitgebreide dataset van geneesmiddelachtige verbindingen, DFT-nauwkeurigheid combineert met hoge doorvoersnelheid voor de ontdekking van kleine moleculen.
Deze paper presenteert een generalisatie van de Förster-resonantie-energietransfertheorie die een exacte tijdsafhankelijke factorisatie toepast om een niet-lokale mastervergelijking af te leiden die zowel de traditionele limiet als snelle, coherente initiële evoluties en 'slippage'-effecten bij zwakke systeem-bad-koppeling nauwkeurig beschrijft.