155 artigos
O artigo apresenta o AllScAIP, um modelo de potencial interatômico baseado em aprendizado de máquina que utiliza atenção entre todos os nós para capturar interações de longo alcance de forma orientada por dados, superando as limitações de modelos anteriores e alcançando precisão de ponta em sistemas moleculares e materiais.
O artigo demonstra que violar o princípio de normalização à quantidade de elétrons em cálculos de funcionais de densidade aproximados pode melhorar significativamente a precisão da energia, fornecendo correções explícitas derivadas de assintótica de Weyl para sistemas unidimensionais e de dimensões superiores.
Este artigo propõe e valida uma abordagem de "amostragem com holofote" (spotlight sampling) que reduz a complexidade computacional do cálculo de diferenças de energia em Monte Carlo Variacional para mudanças químicas locais, alcançando uma escalabilidade essencialmente linear com o tamanho do sistema.
Os autores desenvolveram um método de construção diagramática algébrica de terceira ordem (EA-ADC(3)) de baixo custo baseado em orbitais naturais congelados específicos do estado, que utiliza densidade de ajuste e funções auxiliares truncadas para alcançar uma aceleração significativa e alta precisão no cálculo de afinidades eletrônicas, inclusive para ânions de correlação não valenciais.
Este artigo apresenta o algoritmo Spin-MInt, um propagador simpletico, reversível no tempo e de segunda ordem que permite a propagação direta e eficiente de variáveis de mapeamento de spin para simulações de dinâmica não adiabática, superando em precisão e velocidade os métodos existentes.
Este artigo demonstra que a interação de Casimir em água salgada possui uma contribuição universal de flutuações eletromagnéticas de longo alcance que domina as contribuições não universais nas distâncias relevantes para fibras de actina, sugerindo implicações significativas desse efeito universal na escala celular.
O artigo apresenta um protocolo de preparação de estado fundamental dissipativo que utiliza rotações orbitais alinhadas por Procrustes e resfriamento dissipativo para simular eficientemente estados de transição química fortemente correlacionados, alcançando uma complexidade de portas escalável de para sistemas como FeMoco e catalisadores de captura de carbono.
Este artigo apresenta um framework híbrido quântico-clássico que utiliza um mapeamento de características inspirado em kernels gaussianos e uma Rede Neural Quântica Profunda para melhorar a precisão e a generalização na previsão de valores de pKa em nível de resíduos, superando as limitações dos modelos puramente clássicos.
O artigo apresenta o Matlantis-PFP v8, um potencial interatômico de aprendizado de máquina universal treinado no funcional r2SCAN que supera as limitações de precisão do PBE, oferecendo previsões zero-shot com concordância significativamente melhorada com dados experimentais e referências de alta precisão para cristais, moléculas e superfícies.
Este artigo apresenta duas plataformas de hidrogéis em chip, utilizando arranjos de pilares e máscaras fotográficas, para micropadronização in situ de hidrogéis fotopolimerizáveis e permitir estudos de difusão molecular.
Este artigo estabelece que a estabilidade de padrões em sistemas de reação-difusão fora do equilíbrio é determinada pela entropia de caminho, um princípio que, ao considerar flutuações estocásticas em sistemas com número finito de partículas, permite calcular taxas de transição entre fases metaestáveis de forma eficiente e qualitativamente altera a estabilidade desses padrões.
O estudo demonstra que, embora a formação inicial de um filme lubrificante no gelo possa ocorrer sem aquecimento, a sua extrema escorregadia é determinada pelo aquecimento por fricção, que eleva a temperatura de contato até o ponto de fusão, resolvendo assim a discrepância entre simulações em nanoescala e dados experimentais macroscópicos.
O artigo apresenta o ChemFit, um framework Python flexível que facilita a parametrização de modelos em química e física computacional ao permitir a definição, composição e avaliação massivamente concorrente de funções objetivo complexas e heterogêneas, integrando-se de forma eficiente a algoritmos de otimização sem gradiente.
Este estudo demonstra que o método O2BMP2, uma variante de teoria de perturbação Møller-Plesset com escalamento de spin-oposto, oferece uma combinação eficiente de precisão e baixo custo computacional para prever com sucesso estados excitados de singlete-triplete invertidos, viabilizando a triagem de alto rendimento de materiais para OLEDs.
Este artigo apresenta a aplicação da teoria de perturbação autoconsistente OBMP2 para a previsão precisa de energias de excitação da borda K, demonstrando que o método supera técnicas estabelecidas como DFT e EOM-CCSD em moléculas de casca fechada e aberta.
Este artigo apresenta um framework de aprendizado de máquina aprimorado por física que utiliza descritores termodinâmicos derivados de simulações de dinâmica molecular para prever pontos de ebulição com capacidade de extrapolação superior, permitindo a previsão precisa de propriedades para classes químicas não representadas nos dados de treinamento, como sais e compostos inorgânicos, onde os métodos baseados apenas em estrutura falham.
O artigo apresenta um framework quântico baseado em medições para avaliar elementos de matriz em funções de onda de ligação de valência generalizada acoplada por spin (SCGVB), reformulando o problema como valores esperados de vácuo de operadores de cadeia de Pauli acessíveis por circuitos rasos e sem qubits auxiliares, demonstrando assim a viabilidade de assistência quântica para métodos de estrutura eletrônica não ortogonais em arquiteturas de curto prazo.
Este artigo apresenta uma derivação teórica rigorosa da teoria de funcionais de densidade híbrida dupla autoconsistente (OBDHF), unificando o formalismo de Kohn-Sham generalizado com a teoria OBMP2 para resolver a inconsistência fundamental dos funcionais híbridos duplos convencionais ao incorporar a correlação perturbativa diretamente no Hamiltoniano efetivo sem necessidade de potenciais de efeito otimizado.
Este estudo ab initio revela que a relaxação de spin em qubits moleculares de Yb(III) é governada por processos Raman acionados por fônons de baixa energia, demonstrando que as correlações entre estrutura molecular e acoplamento spin-fônon são altamente não triviais e exigem frameworks de primeiros princípios em vez de correlações magneto-estruturais simples para o design químico futuro.
O artigo apresenta uma nova estrutura de rede neural que calcula a função de onda quântica completa de sistemas de muitos corpos, incluindo elétrons, núcleos e múons, superando a aproximação de Born-Oppenheimer ao garantir a invariância de permutação e capturar correlações quânticas em múltiplas escalas de forma computacionalmente viável.