physics.chem-ph papers | Gist.Science

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.

FragFM: Hierarchical Framework for Efficient Molecule Generation via Fragment-Level Discrete Flow Matching

Deze paper introduceert FragFM, een hiërarchisch framework dat fragment-niveau discrete flow matching en een stochastische fragmentzak-strategie combineert om efficiënte, schaalbare en eigenschapsbewuste moleculaire generatie mogelijk te maken, terwijl het ook een nieuwe benchmark voor natuurlijke producten (NPGen) presenteert om de prestaties van generatieve modellen in de drugontdekking te evalueren.

Joongwon Lee, Seonghwan Kim, Seokhyun Moon, Hyunwoo Kim, Woo Youn Kim2026-03-09🤖 cs.AI

Bayesian Hierarchical Models for Quantitative Estimates for Performance metrics applied to Saddle Search Algorithms

Deze studie introduceert een Bayesiaans hiërarchisch model om de prestaties van de Dimer-methode te evalueren, waarbij wordt geconcludeerd dat Conjugate Gradient robuuster is dan L-BFGS, maar dat geavanceerde statistische analyse de ontwikkeling van adaptieve workflows ondersteunt in plaats van een enkelvoudige rangschikking.

Rohit Goswami2026-03-09🔬 physics

Learning Long-Range Representations with Equivariant Messages

Dit paper introduceert LOREM, een nieuw grafisch neurale netwerk-architectuur die gebruikmaakt van equivariante berichten voor langeafstandsinteracties om de beperkingen van bestaande methoden op het gebied van niet-lokale fysieke effecten in interatomische potentialen te overwinnen.

Egor Rumiantsev, Marcel F. Langer, Tulga-Erdene Sodjargal, Michele Ceriotti, Philip Loche2026-03-09🔬 physics

Learning the action for long-time-step simulations of molecular dynamics

Deze paper introduceert een machine-learning-methode die structuren behoudt door de mechanische actie te leren, waardoor nauwkeurige en stabiele moleculaire dynamica-simulaties met lange tijdstappen mogelijk worden zonder de energiebehouds- en evenwichtsproblemen van niet-structurenbehoudende modellen.

Filippo Bigi, Johannes Spies, Michele Ceriotti2026-03-09🔬 cond-mat.mtrl-sci

Metatensor and metatomic: foundational libraries for interoperable atomistic machine learning

Dit artikel introduceert metatensor en metatomic, twee fundamentele softwarebibliotheken die de interoperabiliteit tussen traditionele atomaire simulatiehulpmiddelen en moderne machine learning-frameworks mogelijk maken door een gemeenschappelijke opslag- en uitwisselingsstructuur voor data en modellen te bieden.

Filippo Bigi, Joseph W. Abbott, Philip Loche, Arslan Mazitov, Davide Tisi, Marcel F. Langer, Alexander Goscinski, Paolo Pegolo, Sanggyu Chong, Rohit Goswami, Pol Febrer, Sofiia Chorna, Matthias Kellne (…)2026-03-09🔬 physics

Spectral/Spatial Tensor Atomic Cluster Expansion with Universal Embeddings in Cartesian Space

Deze paper introduceert TACE, een nieuw model voor atomaire machine learning dat de complexiteit van sferische-tensorrepresentaties omzeilt door lokale omgevingen te ontleden in irreducibele Cartesische tensoren, waardoor het nauwkeurige en stabiele voorspellingen mogelijk maakt voor zowel scalaire als tensoriële observabelen in moleculen en materialen.

Zemin Xu, Wenbo Xie, P. Hu2026-03-09🔬 cond-mat.mtrl-sci

Tuning Domain-Based Charge Transfer in Organic Dyes: Impact of Heteroatom Doping in the pi-linker of Carbazole-Based Systems

Deze studie toont aan dat het doping van de π-brug in carbazoolgebaseerde organische kleurstoffen met stikstof, met name in een tridopeerde configuratie, de gerichte ladingsoverdracht van donor naar acceptor aanzienlijk verbetert, wat de stof veelbelovend maakt voor toepassing in kleurstof-gesensitiseerde zonnecellen.

Ram Dhari Pandey, Marta Galynska, Katharina Boguslawski, Pawel Tecmer2026-03-09🔬 physics

Two-dimensional RMSD projections for reaction path visualization and validation

Deze paper introduceert een methode die reactiepaden visualiseert en valideert door ze te projecteren op een tweedimensionale RMSD-ruimte met een kleurgecodeerd energiesurface, waardoor complexe structurele herschikkingen en vergelijkingen tussen verschillende optimalisatiemethoden mogelijk worden.

Rohit Goswami2026-03-09🔬 cond-mat.mtrl-sci

Towards Quantum Advantage in Chemistry

Dit artikel toont aan dat het iteratieve qubit-gekoppelde-cluster (iQCC) algoritme, gesimuleerd op klassieke processoren voor systemen met honderden logische qubits, de beste nauwkeurigheid bereikt voor de excitatie-energieën van organometaalcomplexen en zo de drempel voor kwantumvoordeel in de chemie in kaart brengt.

Scott N. Genin, Ohyun Kwon, Seyyed Mehdi Hosseini Jenab, Seon-Jeong Lim, Taehyung Kim, Tae-Gon Kim, Rami Gherib, Angela F. Harper, Ilya G. Ryabinkin, Michael G. Helander2026-03-09⚛️ quant-ph

Direct Variational Calculation of Two-Electron Reduced Density Matrices via Semidefinite Machine Learning

Deze paper introduceert een semidefiniete machine learning-methode die een input-convexe neurale netwerken gebruikt om de rand van de N-representeerbare tweeelektronen-reduced density matrices (2-RDM) te leren, waardoor variabele berekeningen van 2-RDM's met hogere nauwkeurigheid worden uitgevoerd zonder expliciete hogere-orde positiviteitsvoorwaarden.

Luis H. Delgado-Granados, David A. Mazziotti2026-03-09⚛️ quant-ph

← Vorige Volgende →