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.

Rotational excitation of asymmetric-top molecular ions by electron impact: application to H2_2O+^+, HDO+^+, and D2_2O+^+

Este estudo teórico investiga a excitação rotacional dos íons moleculares assimétricos H2_2O+^+, HDO+^+ e D2_2O+^+ por impacto de elétrons, utilizando uma abordagem combinada de teorias de espalhamento R-matrix, defeito quântico multicanal e Born-Coulomb para apresentar seções de choque e coeficientes de taxa cinética resolvidos por estado.

Joshua Forer2026-03-19🔬 physics.atom-ph

Quantum Chemistry Driven Molecular Inverse Design with Data-free Reinforcement Learning

Este artigo apresenta um modelo generativo baseado em aprendizado por reforço e cálculos de mecânica quântica que realiza o design inverso de moléculas sem depender de grandes conjuntos de dados pré-treinados, gerando novas estruturas com propriedades desejadas e demonstrando aceleração significativa em relação a métodos de referência.

Francesco Calcagno, Luca Serfilippi, Giorgio Franceschelli, Marco Garavelli, Mirco Musolesi, Ivan Rivalta2026-03-18🔬 physics

Open Quantum Dynamics Theory for Coulomb Potentials: Hierarchical Equations of Motion for Atomic Orbitals (AO-HEOM)

Este artigo apresenta uma formulação teórica de equações hierárquicas de movimento para orbitais atômicos (AO-HEOM) baseada em um modelo de sistema-banho tridimensional invariante por rotação, permitindo o tratamento não perturbativo e não markoviano da dinâmica quântica de sistemas com potenciais de Coulomb em banhos térmicos.

Yankai Zhang, Yoshitaka Tanimura2026-03-18⚛️ quant-ph

System-Bath Modeling in Vibrational Spectroscopy via Molecular Dynamics: A Machine Learning Framework for Hierarchical Equations of Motion (HEOM)

Este artigo apresenta um framework de aprendizado de máquina que utiliza trajetórias de dinâmica molecular clássica para construir modelos sistema-banho compatíveis com as Equações de Movimento Hierárquicas (HEOM), permitindo a simulação rigorosa de relaxação energética, desfazamento vibracional e espectroscopia não linear em soluções aquosas através de funções de distribuição espectral interpretáveis fisicamente.

Kwanghee Park, Ju-Yeon Jo, Yoshitaka Tanimura2026-03-18🔬 physics

Toward Quantum-Aware Machine Learning: Improved Prediction of Quantum Dissipative Dynamics via Complex Valued Neural Networks

Este artigo apresenta redes neurais de valores complexos (CVNNs) como uma abordagem fisicamente consistente que supera as redes de valores reais na previsão da dinâmica dissipativa quântica, oferecendo maior precisão, estabilidade e fidelidade física ao preservar a estrutura algébrica e as coerências dos estados quânticos.

Muhammad Atif, Arif Ullah, Ming Yang2026-03-18🔬 physics

HEOM-Based Numerical Framework for Quantum Simulation of Two-Dimensional Vibrational Spectra in Molecular Liquids (HEOM-2DVS)

Este trabalho apresenta o HEOM-2DVS, uma nova estrutura computacional baseada nas equações de movimento hierárquicas (HEOM) para simular espectroscopia vibracional bidimensional em líquidos moleculares, validada através da modelagem de modos vibracionais acoplados da água e disponibilizada como software de código aberto para CPUs e GPUs.

Ryotaro Hoshino, Yoshitaka Tanimura2026-03-18🔬 physics

V2Rho-FNO: Fourier Neural Operator for Electronic Density Prediction

Este artigo apresenta o V2Rho-FNO, um framework universal baseado em Operadores de Rede Neural de Fourier que aprende diretamente a mapear potenciais externos para densidades eletrônicas, permitindo previsões precisas e generalizáveis para sistemas moleculares não vistos sem necessidade de retreinamento, superando as limitações de custo computacional da Teoria do Funcional da Densidade.

Yingdi Jin, Xinming Qin, Ruichen Liu, Jie Liu, Zhenyu Li, Jinlong Yang2026-03-18🔬 physics

Life cycle assessment for all organic chemicals

O artigo apresenta o framework CRYSTAL, que utiliza retrossíntese e aprendizado de máquina para gerar automaticamente dados de inventário de ciclo de vida transparentes e consistentes para mais de 70.000 produtos químicos orgânicos, permitindo a identificação de pontos críticos ambientais e fornecendo uma base de dados robusta para intervenções de engenharia e políticas sustentáveis.

Shaohan Chen, Tim Langhorst, Julian Nöhl, Christopher Oberschelp, Martin Pillich, Johannes Schilling, André Bardow2026-03-18🔬 physics

On the performance of QTP functionals applied to second-order response properties II: Dynamic polarizability and long-range C6_6 coefficients

Este estudo avalia o desempenho de 25 funcionais de troca-correlação, incluindo os da família QTP, na previsão de polarizabilidades dinâmicas e coeficientes de dispersão C6_6, identificando que o TPSS0 e o QTP01 são os mais eficazes para polarizabilidades dinâmicas, enquanto o O3LYP e o LC-QTP destacam-se no cálculo dos coeficientes C6_6.

Rodrigo A. Mendes, Peter R. Franke, Ajith Perera, Rodney J. Bartlett2026-03-18🔬 physics