839 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.
Os autores propõem um novo formalismo de base variacional baseado em funções de tipo par, que utiliza orbitais concêntricos e simetria adaptada para codificar informações do estado fundamental eletrônico com alta precisão e menor custo computacional, superando conjuntos de base convencionais em eficiência e escalabilidade.
Este artigo desenvolve um modelo de acoplamento vibrônico linear para polienos, demonstrando que, embora os métodos de "surface hopping" e Ehrenfest multi-trajetória apresentem limitações na reprodução das oscilações de população de longo prazo em simulações totalmente quânticas, eles capturam tendências dinâmicas distintas dependendo dos parâmetros do sistema, como no caso do hexatrieno-trans.
O artigo examina criticamente o conceito de entropia, argumentando que a entropia de Shannon, embora adequada para o ensemble canônico, falha em representar adequadamente o ensemble microcanônico e em fornecer uma derivação teórica da Segunda Lei da termodinâmica.
Este estudo investiga, por meio de simulações numéricas de CFD, o aprimoramento da transferência de calor em um canal com curva de 90 graus utilizando ferrofluidos sob a influência de campos magnéticos não uniformes para caracterizar a otimização de parâmetros múltiplos.
Este trabalho apresenta o uso de métodos de aprendizado de máquina e redes neurais para modelar o fluxo de ferrofluidos em canais curvos e prever a transferência de calor convectiva sob campos magnéticos, baseando-se em dados de simulação CFD de uma pesquisa anterior.
Este artigo demonstra que a homogeneização de Young-measure aplicada à equação de transferência radiativa permite decomposições tensoriais de baixo posto (Tensor Train) com dimensões de ligação limitadas, independentemente da resolução espectral ou da fonte de opacidade, oferecendo uma representação computacionalmente eficiente e mais precisa do que os métodos de distribuição correlacionada-k.
Este artigo apresenta o HBAT 2, um pacote Python reescrito e atualizado para analisar automaticamente ligações de hidrogênio e outras interações não covalentes em estruturas macromoleculares, oferecendo uma interface gráfica, baseada na web, de linha de comando e uma API para facilitar sua aplicação em diversas áreas da bioquímica e biologia estrutural.
Este trabalho apresenta uma abordagem computacional-experimental inovadora que integra cálculos de química quântica, redes de reação eletroquímica e espectrometria de massa para mapear a formação do interphase sólido-eletrólito (SEI) em baterias de íon-lítio, identificando espécies conhecidas e descobrindo 28 novos compostos, o que permite o desenho racional de eletrólitos avançados.
O artigo demonstra que muitos modelos de aprendizado de máquina para descoberta de materiais podem obter alto desempenho em benchmarks não por compreenderem a química, mas por explorarem correlações espúrias com metadados bibliográficos, como autores e ano de publicação, exigindo assim testes de falsificação rigorosos e conjuntos de dados mais robustos para garantir a validade científica.
O artigo apresenta o "El Agente Sólido", um framework multiagente hierárquico que automatiza fluxos de trabalho de química quântica para sólidos usando o Quantum ESPRESSO, traduzindo objetivos científicos em linguagem natural em pipelines computacionais completos para acelerar a descoberta de materiais.