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.

VIANA: character Value-enhanced Intensity Assessment via domain-informed Neural Architecture

O artigo apresenta o VIANA, um framework inovador que integra topologia molecular, valores semânticos de odor e princípios biológicos de dose-resposta para prever com alta precisão a intensidade percebida de odorantes, superando modelos tradicionais ao equilibrar a transferência de conhecimento entre essas três dimensões.

Luana P. Queiroz, Icaro S. C. Bernardes, Ana M. Ribeiro, Bernardo M. Aguilera-Mercado, Idelfonso B. R. Nogueira2026-04-03🔬 physics

A new framework for atom-resolved decomposition of second-harmonic generation in nonlinear-optical crystals

Este trabalho apresenta um novo quadro teórico rigoroso para decompor as contribuições atômicas à geração de segunda harmônica em cristais ópticos não lineares, revelando uma hierarquia de contribuições de dois e três centros e a cooperação entre sub-redes catiônicas e aniónicas em materiais UV e UV profundo.

YingXing Cheng, Congwei Xie, Zhihua Yang, Shili Pan2026-04-03🔬 physics

A Residence-Time Approach for Determining Position-Dependent Diffusivities from Biased Molecular Simulations

O artigo apresenta uma abordagem baseada no tempo de residência (RTA) para determinar difusividades dependentes da posição a partir de simulações de dinâmica molecular enviesadas, permitindo a extração direta de perfis de difusão local sem a necessidade de simulações com restrição harmônica ou integração de funções de correlação temporais ruidosas.

Rinto Thomas, Praveen Ranganath Prabhakar, Michael von Domaros2026-04-03🔬 cond-mat

Towards Chemically Accurate and Scalable Quantum Simulations on IQM Quantum Hardware: A Quantum-HPC Hybrid Approach

Este estudo apresenta uma investigação experimental em larga escala de simulações moleculares quânticas no processador supercondutor Sirius da IQM, demonstrando que abordagens híbridas como a diagonalização quântica baseada em amostras (SQD) combinada com teorias de incorporação (DMET) alcançam precisão química em sistemas complexos, incluindo a amantadina e superfícies de energia potencial 2D da água.

Anurag K. S. V., Ashish Kumar Patra, Manas Mukherjee, Alok Shukla, Sai Shankar P., Ruchika Bhat, Radhika T. S. L., Jaiganesh G2026-04-03⚛️ quant-ph

Resetting optimized competitive first-passage outcomes in non-Markovian systems

Este artigo investiga como o retorno estocástico (resetting) atua como um mecanismo de controle eficaz para otimizar resultados de primeira passagem competitivos em sistemas não-Markovianos, demonstrando que sua eficiência e capacidade de supressão de flutuações dependem criticamente das estatísticas de tempo de espera e dos efeitos de memória inerentes a tais sistemas.

Suvam Pal, Rahul Das, Arnab Pal2026-04-03🔬 cond-mat

Efficient Auxiliary-Field Quantum Monte Carlo using Isometric Tensor Hypercontraction

Este artigo apresenta um novo método de Monte Carlo Quântico de Campo Auxiliar que utiliza a hipercontração tensorial isométrica para diagonalizar interações de Coulomb, demonstrando maior eficiência computacional e precisão comparável a métodos de onda de alta qualidade ao calcular energias de sistemas eletrônicos fortemente correlacionados.

Maxine Luo, Victor Chen, Yu Wang, Christian B. Mendl2026-04-03🔬 physics

Gradient estimators for parameter inference in discrete stochastic kinetic models

Este artigo demonstra que a inferência de parâmetros em modelos cinéticos estocásticos discretos, como o algoritmo de Gillespie, pode ser efetivamente realizada utilizando estimadores de gradiente de aprendizado de máquina (GS-ST, Score Function e Alternative Path), que oferecem vantagens complementares para lidar com a não diferenciabilidade inerente a esses sistemas.

Ludwig Burger, Annalena Kofler, Lukas Heinrich, Ulrich Gerland2026-04-03🔬 physics

Definitive Assessment of the Accuracy, Variationality, and Convergence of Relativistic Coupled Cluster and Density Matrix Renormalization Group in 100-Orbital Space

Este artigo utiliza o avançado framework STP-CI para realizar cálculos de interação de configuração numericamente exatos em espaços de 100 orbitais e, aplicando o teorema do gap para estabelecer limites de erro rigorosos, estabelece benchmarks definitivos para avaliar a precisão, variacionalidade e convergência de métodos de cluster acoplado relativístico e de renormalização de matriz de densidade.

Shiv Upadhyay, Agam Shayit, Tianyuan Zhang, Stephen H. Yuwono, A. Eugene DePrince III, Xiaosong Li2026-04-03🔬 physics