794 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 apresenta um framework de otimização bayesiana que utiliza descritores moleculares de baixa dimensão e um esquema de mapeamento inverso confiável para identificar com precisão estruturas moleculares otimizadas em um espaço químico vasto, alcançando altos índices de sucesso com menos de 2.000 pontos de dados no conjunto de dados QM9.
Este trabalho apresenta o modelo híbrido Enhanced Stokes-Einstein (ESE), que integra a equação de Stokes-Einstein com aprendizado de máquina para prever com alta precisão e consistência física os coeficientes de difusão de componentes moleculares em diluição infinita em solventes líquidos, utilizando apenas as cadeias SMILES como entrada e superando os métodos existentes.
O artigo apresenta o ChemFlow, uma nova arquitetura de rede neural hierárquica que integra representações atômicas, de grupos funcionais e moleculares com atenção dinâmica à composição da mistura, superando os modelos existentes na previsão precisa de propriedades físico-químicas de misturas químicas complexas.
Os pesquisadores desenvolveram um potencial interatômico universal de aprendizado de máquina de código aberto que abrange 97 elementos, incluindo actinídeos menores, ao integrar um novo conjunto de dados de elementos pesados (HE26) com bases de dados existentes, permitindo avanços significativos no projeto de materiais para aplicações nucleares.
O artigo descreve os microestados de dissociação de ácidos polipróticos utilizando teoria dos conjuntos e teoria dos grafos, identificando o grupo de automorfismos do grafo correspondente como o produto direto do grupo cíclico e do grupo simétrico .
Este capítulo descreve a formação de nebulosas planetárias a partir da ejeção de massa por estrelas de massa baixa a intermediária, destacando sua importância como laboratórios valiosos para estudos de astrofísica, astroquímica e astromineralogia.
Este artigo apresenta uma formulação unificada para a energia e pressão eletrostática de sistemas periódicos, neutros ou não, substituindo a interação de Coulomb por um potencial de par efetivo que incorpora termos de fronteira infinitos, permitindo a derivação direta de resultados físicos intuitivos e a definição de critérios para potenciais dependentes do volume.
Este trabalho apresenta o NextHAM, um método de aprendizado profundo universal que combina uma arquitetura neural com simetria E(3) e um novo conjunto de dados abrangente (Materials-HAM-SOC) para prever com alta precisão e eficiência os Hamiltonianos de estrutura eletrônica de materiais, corrigindo limitações de generalização e estabilidade encontradas em abordagens anteriores.
Este estudo utiliza simulações de dinâmica não adiabática para revelar que a existência de dois tempos característicos na transferência intramolecular de próton no estado excitado da 3-hidroxicromona se deve à coexistência de um mecanismo de transferência direta ultrafasto e de um caminho competitivo mediado por torção fora do plano.
O artigo propõe um método robusto para a preparação determinística de arrays de moléculas ultrafrias em estado fundamental de movimento, utilizando o bloqueio de interação de moléculas protegidas por micro-ondas para evitar ocupação múltipla e permitir a escalabilidade para milhares de armadilhas com alta fidelidade.