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.
Este estudo desenvolve uma superfície de energia potencial de dimensão completa para a reação NH2 + O, utilizando cálculos ic-MRCI de alto nível e redes neurais, para fornecer dados cinéticos precisos que esclarecem as discrepâncias existentes e aprimoram os modelos de combustão de combustíveis contendo nitrogênio em altas temperaturas.
Este trabalho desenvolve uma superfície de energia potencial altamente precisa para o complexo hélio-benzeno, combinando cálculos de alto nível de teoria do funcional de densidade e regressão por processos gaussianos, e demonstra que essa nova superfície revela comportamentos de solvatação qualitativamente diferentes em simulações de Monte Carlo em comparação com potenciais empíricos tradicionais.
Este artigo apresenta uma nova variante do modelo de dispersão XDM baseada em um único parâmetro de amortecimento dependente do número atômico (Z), demonstrando que, quando combinada com os funcionais híbridos revPBE0 e B86bPBE0, ela alcança alta precisão e consistência em benchmarks abrangentes do banco de dados GMTKN55 e em cristais moleculares.
Este artigo apresenta a primeira implementação de gradientes nucleares analíticos para o método OOpCCD dentro do PyBEST, integrando-o ao otimizador \texttt{geomeTRIC} para permitir otimizações de geometria robustas e precisas que reproduzem com alta fidelidade estruturas de referência de sistemas de casca fechada.
Este artigo apresenta um quadro unificado de aprendizado de máquina que combina potenciais interatômicos aprendidos por máquina com a teoria funcional da densidade clássica neural para modelar ab initio o comportamento de líquidos em múltiplas escalas, permitindo previsões termodinâmicas eficientes e precisas de sistemas como água e dióxido de carbono, inclusive sob confinamento e em condições supercríticas.
Este artigo propõe um diagnóstico geométrico para a sensibilidade relacionada ao emaranhamento quântico (scrambling) utilizando descritores de Lagrange no espaço de preparação Bohmiano, demonstrando analiticamente, através do oscilador harmônico invertido, que a sensibilidade das trajetórias cresce exponencialmente de forma análoga ao crescimento dos correlatores fora da ordem temporal (OTOC).
Este trabalho apresenta novos algoritmos de agrupamento e uma implementação totalmente acelerada por GPU para cálculos de Coupled-Cluster (CCSD) em Python, demonstrando que as bibliotecas CuPy e PyTorch atingem desempenho comparável na arquitetura Grace Hopper e oferecem acelerações de até 16 vezes em relação a implementações híbridas anteriores.
Esta revisão apresenta como a forma, a quiralidade e a polaridade das moléculas, juntamente com o confinamento espacial, induzem estados de equilíbrio deformados e polidomínio com quebra de paridade em cristais líquidos nemáticos paraelétricos e ferroelétricos, destacando mecanismos como a substituição de deformações energeticamente custosas e o efeito de cancelamento de splay.
O artigo apresenta o olLOSC, uma aproximação unificada e eficiente baseada em resposta linear livre de orbitais que corrige o erro de deslocalização em moléculas e materiais periódicos, oferecendo precisão comparável ao método lrLOSC com custo computacional significativamente reduzido.
Este estudo utiliza o método da função de correlação temporal transitória (TTCF) para simular o deslizamento de água em nanocanais de grafeno em taxas de cisalhamento experimentalmente acessíveis, demonstrando que os resultados obtidos concordam com simulações de equilíbrio e experimentos, validando assim a eficácia do TTCF para sistemas de alto deslizamento onde a dinâmica molecular clássica de não equilíbrio é inviável.