1013 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 paper introduceert een nieuwe analoge kwantum-simulatiebenadering voor gekoppelde elektron-kern dynamiek in moleculen zonder de Born-Oppenheimer-benadering, die met een trapped-ion apparaat kan worden geïmplementeerd en exponentiële besparingen biedt ten opzichte van klassieke algoritmen.
Dit hoofdstuk beschrijft hoe planetaire nevels, die ontstaan uit de uitgestoten materie van sterren met een lage tot intermediaire massa, fungeren als waardevolle laboratoria voor studies in de astrofysica, astrochemie en astromineralogie.
Dit artikel introduceert een uitgebreide benchmarkdataset bestaande uit 624 hoogwaardige 2D-simulaties van poreuze media, die specifiek is ontworpen om machine learning-modellen te trainen en valideren voor het voorspellen van complexe CO2-water interacties op poreus schaalniveau.
Dit artikel introduceert een unificerend raamwerk voor periodieke Coulomb-systemen dat, door de invoering van oneindige grenstermen en effectieve pareninteracties, een intuïtieve afleiding mogelijk maakt van de elektrostatische energie en druk voor zowel neutrale als niet-neutrale systemen, waarbij de relatie tussen energie en druk voor systemen met een uniform neutraliserend achtergrond wordt verduidelijkt.
Deze studie introduceert een op simulatie gebaseerde inferentieframework dat, door het integreren van fysisch modelleren en deep learning, kwantitatieve en voorspellende vouwmodellen van biomoleculen kan afleiden uit zeer beperkte single-molecule data, waarbij onzekerheden robuust worden gekwantificeerd zonder uitgebreide datasets of instrumentkalibratie.
Dit artikel onderzoekt hoe machine learning interatomaire potentialen (MLIPs) de totale energie ontleden in effectieve lichaamsgeordende bijdragen, en onthult dat deze trends afhankelijk zijn van het modeltype en de dataset, wat cruciale inzichten biedt voor de toekomstige ontwikkeling van MLIPs.
In dit werk wordt NextHAM voorgesteld, een nieuwe deep-learningmethode die E(3)-symmetrie en correctie op basis van DFT-ladingdichtheid combineert om de elektronische structuur-Hamiltonian van materialen nauwkeurig en efficiënt te voorspellen, ondersteund door een uitgebreid nieuw dataset genaamd Materials-HAM-SOC.
Deze studie toont aan dat het stapelen van perylene-gebaseerde moleculaire kristallen op monolagen van overgangsmetaaldichalcogeniden (TMDs) via van der Waals-krachten leidt tot een aanpasbare energetische bandstructuur en een diversiteit aan excitonen, waardoor deze hybride materialen veelbelovend zijn voor toepasbare opto-elektronische en kwantumtoepassingen.
Dit onderzoek combineert moleculaire simulaties en experimenten om aan te tonen dat glycine, een veelvoorkomende synthese-impuriteit, de kristallisatie van glyphosaat remt door zowel de oplosbaarheid te verhogen als de groei van kristaloppervlakken te blokkeren.
Dit artikel introduceert een discontinu Galerkin-framework voor het automatisch genereren van adaptieve basissets in elektronenstructuurberekeningen, die chemische nauwkeurigheid bereiken met compacte basisgroottes en verbeterde schaalbaarheid door gestructureerde sparsiteit en efficiënte multigrid-oplossers.