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.

Consistent inclusion of triple substitutions within a coupled cluster based static quantum embedding theory

Deze studie introduceert en evalueert twee geavanceerde statische quantum-embeddingsmethoden, MPCCSDT(pt) en MPCCSDT(it), die triple substituties integreren om de beperkingen van CCSD(T) in uitdagende moleculaire systemen te overwinnen, waarbij wordt aangetoond dat een perturbatieve behandeling van de omgevingstripels essentieel is voor nauwkeurige resultaten.

Avijit Shee, Fabian M. Faulstich, K. Birgitta Whaley, Lin Lin, Martin Head-Gordon2026-02-16⚛️ quant-ph

Estimating Full Path Lengths and Kinetics from Partial Path Transition Interface Sampling Simulations

Deze paper introduceert een Markov-state-modelkader dat het mogelijk maakt om volledige padlengtes en kinetische eigenschappen, zoals reactiesnelheden en fluxen, uit de efficiënte maar onvolledige paden van REPPTIS-simulaties te halen, wat wordt gevalideerd aan de hand van zowel theoretische modellen als biologische systemen.

Wouter Vervust, Elias Wils, Sina Safaei, Daniel T. Zhang, An Ghysels2026-02-16🔬 physics

Early-warning the compact-to-dendritic transition via spatiotemporal learning of two-dimensional growth images

Dit onderzoek toont aan dat end-to-end spatiotemporale leermethoden op groeibeelden robuuste vroege waarschuwingen kunnen geven voor de overgang van compacte naar dendritische structuren in elektrodepositie, waarbij een laagdimensionale latente variabele de toenemende morfologische destabilisatie effectief vastlegt.

Hyunjun Jang, Chung Bin Park, Jeonghoon Kim, Jeongmin Kim2026-02-16🔬 physics

Nuclear gradients from auxiliary-field quantum Monte Carlo and their application in geometry optimization and transition state search

Dit artikel introduceert een schaalbare methode voor het berekenen van nauwkeurige nucleaire krachten binnen het phaseless AFQMC-framework via automatische differentiatie, die vervolgens in combinatie met machine learning wordt gebruikt voor geometrie-optimalisatie en het succesvol vinden van overgangstoestanden met een nauwkeurigheid die vergelijkbaar is met gekoppelde-cluster-referentiewaarden.

Jo S. Kurian, Ankit Mahajan, Sandeep Sharma2026-02-16🔬 cond-mat

Stoichiometrically-informed symbolic regression for extracting chemical reaction mechanisms from data

Dit paper introduceert de stoichiometrisch geïnformeerde symbolische regressie (SISR), een data-gedreven methode die dynamische optimalisatie en genetische algoritmen combineert om nauwkeurige chemische reactiemechanismen en snelheidsconstanten te extraheren uit tijdsreeksconcentratiedata, zelfs bij aanwezigheid van ruis.

Manuel Palma Banos, Joel D. Kress, Rigoberto Hernandez, Galen T. Craven2026-02-13🔬 physics