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.

What is the diatomic molecule with the largest dipole moment?

Este artigo apresenta um modelo de aprendizado de máquina, condensado em uma expressão analítica, que prevê os momentos de dipolo elétrico de moléculas diatômicas utilizando apenas propriedades atômicas para triar a tabela periódica em busca de moléculas com os maiores momentos de dipolo e revelar tendências químicas subjacentes.

Ahmed Elhalawani, Ruiren Shi, Mateo Londoño Castellanos, Michal Tomza, Jesús Pérez Ríos2026-04-29🔬 physics.atom-ph

Hidden optical nonlinearities in linear spectra of quantum emitter arrays

Este artigo demonstra que propriedades ópticas não lineares de emissores quânticos individuais, como características Raman, podem manifestar-se nos espectros lineares de arranjos de emissores acoplados por meio de interações entre emissores, revelando um efeito óptico quântico geral que transcende descrições de campo médio clássicas e não requer cavidades ou simetrias específicas.

Sricharan Raghavan-Chitra, Arghadip Koner, Joel Yuen-Zhou2026-04-29🔬 physics.optics

Prominent Signatures of Energy Transfer in Action-Detected Spectra of a Cyanobacterial Photosynthetic Protein

Este estudo demonstra que a espectroscopia eletrônica bidimensional detectada por ação (A-2DES) pode sondar efetivamente a dinâmica de transferência de energia em proteínas fotossintéticas de cianobactérias, superando limitações anteriores ao revelar que a aniquilação lenta de éxcitons modifica a escala de sensibilidade esperada de 1/N, validando assim a A-2DES como uma ferramenta robusta para investigar a difusão de éxcitons em grandes agregados.

Sayan Ghosh, Amitav Sahu, Stephanie Gonzalez-Migoni, Thomas L. C. Jansen, Vivek Tiwari2026-04-29🔬 physics

Excitation of Low-Frequency Modes and the Effects of Protein Dynamics on Spectral Densities of Bacteriochlorophyll Molecules

Este estudo demonstra que a dinâmica molecular de Born-Oppenheimer baseada em ligação forte derivada da teoria do funcional da densidade captura com precisão as características de densidade espectral de baixa frequência que surgem tanto das vibrações intramoleculares lentas quanto das flutuações proteicas em moléculas de bacterioclorofila, superando os campos de força clássicos e a análise de modos normais em diversos complexos de captação de luz.

Sayan Maity, Tristan A. Mauck, Ulrich Kleinekathöfer2026-04-29🔬 cond-mat.mes-hall

Accelerated Surface Hopping via Scaling the Spin--Orbit Coupling: Opportunities for Machine Learning

Este artigo investiga um esquema de salto de superfície acelerado para simular processos não adiabáticos ultrarrápidos por meio do escalonamento dos acoplamentos spin-órbita, demonstrando que, embora modelos de aprendizado de máquina possam prever com precisão superfícies de energia potencial e acoplamentos para reduzir custos computacionais, as constantes de tempo extrapolaadas finais permanecem altamente sensíveis aos parâmetros de ajuste, destacando tanto o potencial quanto as limitações atuais da confiabilidade aprimorada por aprendizado de máquina nessa abordagem.

Jakub Martinka, Mahesh Kumar Sit, Pavlo O. Dral, Jiří Pittner2026-04-29🔬 physics

AI-Powered Surrogate Modelling for Multiscale Combustion: A Critical Review and Opportunities

Esta revisão avalia criticamente o estado da arte na modelagem de substituição impulsionada por IA para combustão multiescala, comparando diversas abordagens de aprendizado em escalas que vão da cinética química a sistemas de motores, ao mesmo tempo em que destaca desafios-chave como a transferibilidade e os erros de extrapolação, e identifica oportunidades futuras para o desenvolvimento de frameworks confiáveis e fundamentados na física.

Amirali Shateri, Zhiyin Yang, Yuying Yan, Manosh C. Paul, Jianfei Xie2026-04-29🔬 physics