1042 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.
Este artigo apresenta um quadro conceitual unificado baseado em interação de configurações fragmentada para descrever processos biexcitônicos em agregados moleculares, permitindo a construção de Hamiltonianos diabáticos que revelam como configurações CTX atuam como portões eletrônicos cruciais para a dinâmica de fissão de singletos e aniquilação.
Este estudo investiga a estabilidade de longo prazo de detectores GEM em misturas à base de CO₂, revelando que o gás promove a formação de camadas finas e inorgânicas de óxido de cobre que atuam como equilíbrios redox auto-limitantes, reduzindo a acumulação de carga e melhorando a durabilidade do detector em comparação com misturas de hidrocarbonetos.
Este artigo apresenta um formalismo de evolução no tempo imaginário para a teoria do cluster acoplado, introduzindo uma variância de energia que identifica amplitudes regularizadas fisicamente quando as soluções padrão das equações de amplitude são inadequadas, demonstrando a utilidade dessa abordagem em exemplos de referência única e múltipla.
Este estudo avalia pela primeira vez o modelo XDM(Z) no benchmark LM26 e demonstra que a inclusão de interações de três corpos via o termo Axilrod-Teller-Muto aprimora significativamente a precisão das energias de exfoliação de materiais em camadas, estabelecendo o melhor desempenho alcançado até a data com funcionais semilocais.
Este artigo apresenta representações unificadas de estados SPT de cluster e dipolar-cluster através de esquemas de projetores, redes neurais e estados de tensor, generalizando construções anteriores para e demonstrando a eficiência da representação em tensor para certos estados modulares.
O artigo apresenta o DD-03B, um banco de dados massivamente escalável contendo 0,3 bilhão de quadros de simulação de dissociação para 19.037 complexos ligante-proteína, que fornece trajetórias dinâmicas e constantes de taxa de dissociação calculadas para fundamentar o desenvolvimento de modelos de IA generativa na descoberta de fármacos.
Este artigo apresenta uma nova ansatz de rede neural com backflow adaptado a spin (SA-NNBF) que, ao combinar componentes espaciais de rede neural com funções de autoestado de spin e utilizar algoritmos de compressão de tensores, supera as limitações de contaminação de spin de métodos anteriores e alcança maior precisão e eficiência computacional ao simular sistemas eletrônicos fortemente correlacionados, como o cofator FeMoco da nitrogenase.
Este artigo apresenta a implementação de esquemas de cálculo *ab initio* para parâmetros de Hubbard no programa RT-TDDFT com amostragem de pontos-k do CP2K, propondo um novo método de resposta linear baseado no rastreamento mínimo para obter parâmetros dependentes da energia que refletem os efeitos de troca-correlação, e discutindo suas propriedades em comparação com o esquema ACBN0.
Este artigo reformula a classe de funcionais -MGGA como aproximações de nível de Hessiana (HL-MGGAs), introduzindo o funcional não empírico -PBE que utiliza derivadas de segunda ordem da densidade para distinguir limites de densidade eletrônica, demonstrando sua viabilidade e precisão em energias de quimissorção e propriedades moleculares, embora desafios persistam na previsão de constantes de rede em sólidos.
Este artigo propõe um framework unificado de aprendizado de máquina que integra explicitamente o potencial elétrico para prever simultaneamente forças atômicas e distribuições de densidade eletrônica em interfaces eletroquímicas, permitindo simulações precisas e de grande escala de sistemas como a interface Pt(111)/água sob potenciais arbitrários.