1044 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 introduz métricas rigorosas para analisar como modelos de aprendizado de máquina não restritos aprendem simetrias físicas, demonstrando que a injeção estratégica de vieses indutivos mínimos pode garantir fidelidade física e estabilidade sem comprometer a expressividade e escalabilidade dessas arquiteturas.
Este trabalho apresenta o Transfer-PaiNN (T-PaiNN), um framework de aprendizado por transferência que utiliza pré-treinamento em dados de campos de força clássicos e ajuste fino com poucos dados quânticos para desenvolver potenciais interatômicos baseados em redes neurais gráficas com maior eficiência de dados e precisão superior em comparação com modelos treinados exclusivamente em dados de DFT.
Os pesquisadores desenvolveram potenciais de aprendizado profundo reativos para elucidar que o ataque nucleofílico inicial na poliacrilonitrila (PAN) é o passo limitante que desencadeia uma transferência de elétrons e íons Li+ acoplada, acelerando drasticamente a formação subsequente de anéis e permitindo um transporte de carga aprimorado para aplicações em energia.
Este estudo compara simulações de dinâmica molecular e cálculos quânticos para a permeação de hidrogênio em graphdiyne, demonstrando que, embora efeitos quânticos sejam significativos, a dinâmica molecular com correções fornece limites confiáveis e que a inclusão do movimento térmico da membrana é crucial para prever com precisão o aumento da permeabilidade.
Este artigo apresenta a implementação no PySCF de um algoritmo de ajuste de densidade Gaussian-Plane-Wave multigrid acelerado por GPU, que alcança até 25 vezes mais velocidade que a versão em CPU e permite cálculos de energia e gradientes nucleares em clusters de água com 256 moléculas em aproximadamente 30 segundos.
Este estudo apresenta uma estratégia sustentável que utiliza microalgas como agentes sacrificiais negativos em emissões de CO2 em conjunto com o fotocatalisador TiO2 para maximizar a produção de hidrogênio verde e gerar simultaneamente produtos químicos valiosos, como metano e monóxido de carbono.
Este artigo de revisão apresenta uma estratégia de aprendizado profundo explicável que utiliza a função de compromisso (committor) para identificar coordenadas de reação em sistemas moleculares complexos, empregando técnicas de IA explicável para quantificar a contribuição de variáveis coletivas individuais e revelar os mecanismos moleculares subjacentes.
Este estudo utiliza dinâmica molecular *ab initio* para propor uma interpretação unificada que reconcilia as discrepâncias termodinâmicas e espectroscópicas em soluções aquosas de HF, demonstrando que o próton excessivo é dinamicamente compartilhado com a água e descrito por um estado Zundel complementar, resultando em espectros vibracionais semelhantes aos do HCl apesar das diferenças na dissociação.
Este trabalho apresenta um quadro inovador que combina variational Monte Carlo (VMC) de aprendizado profundo transferível com regressão por processos gaussianos para permitir a otimização geométrica *ab initio* precisa e eficiente de sistemas fortemente correlacionados, facilitando a exploração de superfícies de energia potencial complexas para estados fundamentais e excitados.
O artigo apresenta o OpenClaw, um sistema de agentes desacoplado que automatiza fluxos de trabalho complexos em química computacional ao integrar planejamento, execução de habilidades específicas e gerenciamento de tarefas em ambientes de computação de alto desempenho, demonstrando sua eficácia em um estudo de caso sobre oxidação de metano.