1046 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 apresenta o método POS-CCSD para calcular energias de ligação de pósitrons em moléculas, demonstrando a importância crítica da correlação eletrônica para descrever sistemas elétron-pósitron, embora a convergência quantitativa com dados experimentais ainda exija bases orbitais maiores.
O artigo apresenta um método de extrapolação de ocupação (OE) inspirado na teoria de líquidos de Fermi de Landau que calcula com precisão e eficiência energética diversas excitações eletrônicas a partir de cálculos de estado fundamental, evitando a necessidade de múltiplas iterações de SCF separadas.
Este estudo demonstra que potenciais interatômicos de aprendizado de máquina pré-treinados no conjunto de dados OMol25 superam modelos anteriores baseados apenas em materiais inorgânicos ao prever com alta precisão a estrutura de solvatação e propriedades experimentais de eletrólitos de baterias de íons de sódio, permitindo a análise detalhada de como temperatura, composição e topologia do solvente influenciam a organização nanoscópica desses sistemas.
Este trabalho apresenta avanços na simulação química quântica, incluindo a nova fatoração BLISS-THC e a compilação para arquitetura de volume ativo, que combinados resultam em uma aceleração de duas ordens de magnitude nos tempos de execução estimados para cálculos de estrutura eletrônica em hardware quântico fotônico.
Este estudo demonstra que cálculos não-Born-Oppenheimer de afinidades protônicas podem atingir alta precisão utilizando conjuntos de base eletrônicos desencontrados nos prótons quânticos, o que acelera a convergência para o limite da base eletrônica e permite o uso de bases protônicas menores com erro de truncamento dominado pela parte eletrônica.
O artigo propõe esquemas para gerar feixes moleculares frios e intensos com alta polarização de spin nuclear, utilizando excitação rotacional por micro-ondas ou infravermelho seguida de batimentos quânticos induzidos por hiperfina, visando aplicações como o aprimoramento de sinais de ressonância magnética nuclear e a fusão nuclear polarizada.
Os autores derivaram e implementaram o cálculo da matriz de densidade reduzida de um corpo para a teoria de cluster acoplado suprimida de Aufbau (ASCC), demonstrando que, ao preservar a completude perturbativa da resposta, a precisão dos momentos de dipolo obtidos é comparável à dos métodos de resposta linear e de movimento de equação, enquanto o uso de orbitais naturais permite refinar a solução ASCC para alcançar independência em relação aos orbitais moleculares iniciais.
Este artigo demonstra que a incorporação de correções de longo alcance em potenciais interatômicos de aprendizado de máquina é fundamental para melhorar não apenas o desempenho, mas principalmente a transferibilidade desses modelos em espaços químicos complexos, propondo novas estratégias de validação e um framework para diagnosticar falhas sistemáticas.
O QMCkl é uma biblioteca de kernels de alto desempenho e modular que implementa os blocos fundamentais de cálculos de Monte Carlo Quântico, oferecendo uma API compatível com C, suporte ao padrão TREXIO e kernels otimizados que garantem resultados numéricos idênticos às implementações de referência, acelerando assim simulações consistentes e reprodutíveis em diversas arquiteturas e códigos.
Este estudo demonstra que modelos de regressão linear falham em prever a lipofilicidade devido à heterocedasticidade severa, enquanto métodos baseados em árvores (como Random Forest e XGBoost) superam essa limitação e revelam, por meio da análise SHAP, que a massa molecular é um preditor crucial anteriormente mascarado pela multicolinearidade.