🔬 Category

physics.chem-ph

785 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.

Overfitting by design: neural network density functionals for water

Este artigo demonstra que treinar um funcional de aproximação de densidade local baseado em rede neural especificamente em sistemas de água, utilizando um solucionador de Kohn-Sham diferenciável, alcança precisão próxima ao padrão ouro com dados de treinamento mínimos e permite aprendizado por transferência eficaz para outros sistemas relacionados à água, priorizando assim a precisão específica do sistema em detrimento da generalização.

Karim K. Alaa El-Din, Antonius v. Strachwitz, Ana Coutinho Dutra, Sam M. Vinko2026-05-12🔬 physics

Do Water Molecules Always Stabilize Resonances? Microhydration Effects on Thymine Shape Resonances

Este estudo demonstra que a microhidratação estabiliza sistematicamente as duas ressonâncias de forma π∗\pi^* mais baixas da timina e prolonga suas vidas médias por meio de uma interação complexa entre ligações de hidrogênio, interações eletrostáticas e distorções geométricas, ao mesmo tempo em que destaca o papel crítico das funções de base difusas e da geometria de solvatação local na determinação do comportamento de ressonância.

Sujan Mandal, Jishnu Narayanan S J, Ankita Gogoi, Madhubani Mukherjee, Idan Haritan, Achintya Kumar Dutta2026-05-12🔬 physics

Learning to Rank for Selected Configuration Interaction

Este artigo apresenta a Interação de Configuração de Classificação (RCI), um novo framework de aprendizado de máquina que reformula a seleção de determinantes na interação de configuração selecionada como um problema de classificação por pares utilizando uma arquitetura baseada em Transformer, acelerando significativamente a convergência e melhorando a precisão em comparação com os métodos existentes de regressão e classificação.

Wan Nie, Songwei Liu, Yingying Yu, Zhiwen Wang, and Jun Yang2026-05-12🔬 physics

QT-Net: Rethinking Evaluation of AI Models in Atomic Chemical Space

Este artigo apresenta o QT-Net, uma rede neural de grafos com aumento rotacional avaliada por meio de um protocolo principiado fora da distribuição baseado em descritores SOAP, que demonstra que inferir propriedades atômicas como populações eletrônicas e multipolos melhora a previsão de propriedades moleculares subsequentes e recupera com precisão os momentos de dipolo verdadeiros.

Pablo Martínez Crespo, Stefano Ribes, Martin Rahm, Richard Beckmann, Robert S. Jordan, Marisa Gliege, Santiago Miret, Vijay Kris Narasimhan, Rocío Mercado2026-05-12🔬 cond-mat.mtrl-sci

State Localization and Selective Charge Filtering Near a Null Point

Este estudo apresenta a primeira verificação experimental de um ponto nulo em um díade doador-aceitador, demonstrando a localização de estados e a filtragem seletiva de cargas por meio de medições de bombeio-sonda impulsivas e de uma teoria vibônica generalizada, validando assim um princípio de projeto para materiais fotovoltaicos avançados.

Sanjoy Patra, Jibin Sivanarayan, Vivek N. Bhat, Philip D. Maret, Atandrita Bhattacharyya, Sayan Ghosh, Mahesh Hariharan, Vivek Tiwari2026-05-12🔬 physics

Linear-Scaling Potential-Free Data-Driven Molecular Dynamics for Arbitrary-Sized Water Clusters (H2O)n(\text{H}_2\text{O})_n

Este artigo apresenta um framework de dinâmica molecular orientado a dados, sem potencial e com escalabilidade linear (PDMD) que utiliza um modelo ChemGNN e um novo descritor baseado em Gaussianas para alcançar precisão ao nível de primeiros princípios na previsão de energias e forças para aglomerados de água de tamanho arbitrário, a uma fração do custo computacional dos métodos tradicionais, apoiado por um novo conjunto de dados de primeiros princípios em grande escala.

Hongyu Yan, Qi Dai, Yong Wei, Minghan Chen, Hanning Chen2026-05-11🔬 cond-mat

Leveraging MMW-MMW Double Resonance Spectroscopy to Understand the Pure Rotational Spectrum of Glycidaldehyde and 17 of Its Vibrationally Excited States

Este estudo aproveita a espectroscopia de dupla ressonância MMW-MMW de banda larga para refinar significativamente os parâmetros rotacionais puros do estado fundamental do glicidaldeído e identificar 11 novos estados vibracionalmente excitados, permitindo finalmente uma busca direcionada no levantamento ReMoCA do ALMA de Sgr B2(N) que resultou numa não deteção e estabeleceu um limite superior indicando que a molécula é pelo menos seis vezes menos abundante que o oxirano nessa região.

Luis Bonah, Jean-Claude Guillemin, Arnaud Belloche, Sven Thorwirth, Holger S. P. Müller, Stephan Schlemmer2026-05-11🔬 physics

Knowledge Distillation of Noisy Force Labels for Improved Coarse-Grained Force Fields

Este artigo propõe um framework de destilação de conhecimento que treina um potencial de rede neural de granulação grosseira refinado utilizando previsões de força e energia desruidadas de um modelo inicial professor, melhorando significativamente a precisão e a estabilidade dos campos de força para fluidos moleculares complexos, como solventes eutéticos profundos.

Feranmi V. Olowookere, Sakib Matin, Aleksandra Pachalieva, Nicholas Lubbers, Emily Shinkle2026-05-11🔬 physics

First-principles simulation of spin diffusion in static solids using dynamic mean-field theory

Este artigo demonstra que a teoria de campo médio dinâmica de spin (spinDMFT) é um método eficiente e preciso para simular a difusão espectral de spin e as formas de linha de quantum zero em sólidos desordenados estáticos, correspondendo com sucesso a dados experimentais para substâncias de teste onde cálculos exatos de força bruta são inviáveis.

Timo Gräßer, Götz S. Uhrig, Matthias Ernst2026-05-11🔬 cond-mat.mtrl-sci

Aufbau Suppressed Coupled Cluster Theory for Doubly Excited States

Este trabalho generaliza o formalismo de cluster acoplado suprimido de Aufbau para descrever com precisão estados duplamente excitados, introduzindo uma estratégia especializada de inicialização da função de onda que alcança alta precisão (erros ~0,15 eV) a um custo computacional comparável à teoria de singles e doubles do estado fundamental, superando significativamente os métodos padrão de equação de movimento para esses estados eletrônicos desafiadores.

Qasim Javed, Harrison Tuckman, Eric Neuscamman2026-05-11🔬 physics