🔬 Category

physics.chem-ph

1032 artigos

Esta categoria explora a fascinante intersecção onde a física encontra a química, desvendando como as leis fundamentais da matéria governam reações e estruturas moleculares. Ao investigar fenômenos que vão desde o comportamento quântico de átomos até a dinâmica de fluidos complexos, pesquisadores buscam entender a base material do universo de uma forma que une precisão teórica e aplicação prática.

No Gist.Science, processamos cada novo pré-publicação nesta área diretamente do arXiv, garantindo que o conhecimento mais recente chegue a todos. Oferecemos tanto resumos técnicos detalhados para especialistas quanto explicações em linguagem simples para curiosos, removendo barreiras sem sacrificar o rigor científico.

Abaixo estão as últimas contribuições nesta fronteira do conhecimento, prontas para serem exploradas em seus formatos acessíveis e completos.

Fragment-Constrained Charge Equilibration for Charge-Aware Machine Learning Potentials at Electrochemical Interfaces

Este artigo apresenta o Soft-FQEq, um solucionador de equilíbrio de carga com restrições fragmentares diferenciável integrado em potenciais de aprendizado de máquina que permite simulações reativas de interfaces eletroquímicas ao preservar distribuições de carga distintas entre eletrodo e eletrólito e recuperar o gradiente essencial do potencial eletroquímico interfacial, o que os métodos de equilíbrio de carga global não conseguem capturar.

Akhil Reddy Peeketi, Blas P Uberuaga, Travis E Jones2026-05-01🔬 cond-mat.mtrl-sci

Radio Frequency Field-Induced Enhancement of Detection Sensitivity in Silicon Nanowire Sensors

Este artigo demonstra que a aplicação de um campo de radiofrequência a sensores de nanofios de silício induz ressonância flexoelétrica e perturba a camada dupla elétrica, superando assim o efeito de blindagem de Debye para alcançar uma melhoria de uma ordem de grandeza na sensibilidade de detecção de biomarcadores sem a necessidade de diluição da amostra.

Ang Liu, Jingsong Shang, Jiangang J. Du, Shyamsunder Erramilli, Pritiraj Mohanty2026-05-01🔬 physics.app-ph

Machine Learning and Molecular Simulations Reveal Mechanisms of ZIFs Polymorph Selection

Ao combinar classificadores de aprendizado de máquina com simulações de metadinâmica, este estudo revela que a seleção de polimorfos específicos em estruturas metal-orgânicas de Zn(imidazolato)₂ é determinada já na etapa de pré-nucleação de aglomerados, desafiando a suposição de que a seleção de polimorfos ocorre mais tarde no processo de síntese.

Emilio Méndez (Sorbonne Université, CNRS, Physico-chimie des Electrolytes et Nanosystèmes Interfaciaux, PHENIX, Paris, France), Rocio Semino (Sorbonne Université, CNRS, Physico-chimie des Elec (…)2026-05-01🔬 cond-mat.mtrl-sci

Revealing the proton slingshot mechanism in solid acid electrolytes through machine learning molecular dynamics

Ao empregar simulações de dinâmica molecular impulsionadas por aprendizado de máquina, este estudo revela um mecanismo de "estilingue de prótons" em eletrólitos ácidos sólidos, no qual os prótons são transportados por meio de um processo sinérgico de rotação de polianions e reorientação de ligações O–H, identificando também comportamentos de transporte distintos entre CsH2_2PO4_4 e CsHSO4_4 impulsionados por diferenças na concentração de prótons e na dinâmica de polianions.

Menghang Wang, Jingxuan Ding, Grace Xiong, Ni Zhan, Cameron J. Owen, Albert Musaelian, Yu Xie, Nicola Molinari, Ryan P. Adams, Sossina Haile, Boris Kozinsky2026-04-30🔬 physics

Mechanisms in Slide Electrification of Liquid and Frozen Drops on Hydrophobic Surfaces

Este estudo revela que a eletrificação por deslizamento de gotas em superfícies hidrofóbicas ocorre através de pelo menos dois mecanismos distintos — transferência de íons e transferência de elétrons —, com a via dominante mudando com base na polaridade, fase e temperatura do líquido, conforme evidenciado pelo significativo acúmulo de carga observado tanto em líquidos polares quanto não polares, nos estados líquido e congelado.

Rutvik Lathia, Benjamin Leibauer, Aaron D. Ratschow, Werner Steffen, Hans-Jürgen Butt2026-04-30🔬 cond-mat

Development of a glow-discharge ion-trap instrument for measuring effective radiative-association rate coefficients

Este artigo apresenta o desenvolvimento e a validação inicial de um novo instrumento de armadilha iônica com descarga luminosa projetado para medir diretamente coeficientes de taxa de associação radiativa lenta, demonstrando com êxito sua capacidade ao determinar um limite inferior para a taxa de reação de Ag+^{+} + O2_{2}.

Darya Kisuryna, Sanjana Maheshwari, Santiago Lorenzi, Julianna Palotás, Jessica Palko, Nathan McLane, Ece M. Kocak, Randall E. Pedder, Leah G. Dodson2026-04-30🔬 physics

Mimyria: Machine learned vibrational spectroscopy for aqueous systems made simple

Este artigo apresenta o **mimyria**, um framework de aprendizado de máquina modular e automatizado que gera espectros de IR e Raman precisos para sistemas aquosos de forma eficiente, treinando modelos resolvidos por átomo em gradientes de polarizabilidade validados e tensores de polarização atômica, demonstrando que a convergência espectral pode ser alcançada com conjuntos de treinamento pequenos e fornecendo diretrizes práticas para equilibrar o erro do modelo com a precisão observável.

Philipp Schienbein2026-04-30🔬 physics

A Unified Formulation for ⟨S^2⟩\langle \hat{S}^2 \rangle in Two-Component TDDFT

Este artigo apresenta um formalismo unificado para calcular o valor esperado de spin ⟨S^2⟩\langle \hat{S}^2 \rangle na teoria do funcional da densidade dependente do tempo (TDDFT) de dois componentes, derivando equações especializadas para referências colineares para demonstrar que a contaminação de spin do estado excitado surge tanto do estado de referência quanto do próprio processo de excitação.

Xiaoyu Zhang2026-04-30🔬 physics

Tuning of Atomic Layer Deposition Pulse Time through Physics-Informed Bayesian Active Learning

Este artigo apresenta um framework de aprendizado ativo bayesiano informado por física que integra um modelo de adsorção de Langmuir com uma estratégia de estimativa de parâmetros em dois estágios para ajustar autônoma e eficientemente os tempos de pulso da Deposição em Camada Atômica, alcançando convergência mais rápida, maior precisão de previsão e uso significativamente reduzido de precursor em comparação com abordagens padrão baseadas em dados.

Pouyan Navabi, Christos G. Takoudis2026-04-30🔬 cond-mat.mes-hall