799 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 trabalho apresenta um protocolo eficiente de energia livre alquímica que utiliza potenciais de aprendizado de máquina (MLPs) para calcular energias livres de solvatação de moléculas orgânicas com precisão subquímica, superando as limitações dos campos de força empíricos tradicionais.
Este estudo apresenta o CheMeleon, um modelo de fundação com dezenas de milhões de parâmetros que utiliza descritores moleculares clássicos para superar métodos de aprendizado de máquina tradicionais na previsão de propriedades moleculares, alcançando altas taxas de vitória em diversos benchmarks.
O artigo estende um resultado anterior para caracterizar explicitamente o conjunto de densidades -representáveis em um toro unidimensional a temperaturas finitas, demonstrando que a inclusão da temperatura garante a diferenciabilidade de Gâteaux do funcional universal térmico e resulta em um conjunto de densidades maximal.
Este trabalho apresenta uma metodologia de aprendizado de máquina baseada em regressão por processo gaussiano que utiliza descritores de longo alcance para prever a densidade eletrônica em superredes de moiré de grande escala, permitindo a modelagem eficiente de fenômenos quânticos complexos que métodos tradicionais não conseguem processar computacionalmente.
O estudo utiliza um método híbrido de dinâmica molecular e Monte Carlo para investigar o equilíbrio de Donnan em poros carregados, demonstrando que a teoria de Poisson-Boltzmann linearizada pode ser estendida para poros altamente carregados através da aplicação de densidades de carga renormalizadas.
O estudo demonstra, por meio de simulações de dinâmica molecular, que o confinamento em fendas induz uma transição de primeira ordem em uma nanopartícula entre o centro da fenda e as superfícies, seguindo uma bifurcação de pitchfork subcrítica que também afeta sua difusão lateral.
Este trabalho demonstra que a aplicação de uma estratégia de parametrização otimizada para o método de *Weighted Ensemble* reduz significativamente a variância nas estimativas de tempos médios de primeira passagem em modelos moleculares complexos e de alta dimensão.
Este trabalho apresenta uma abordagem computacional integrada, utilizando aprendizado de máquina e espectroscopia de vibração, para demonstrar como o nível de oxidação do grafeno altera a estrutura da água interfacial, fornecendo uma assinatura espectroscópica que reconcilia divergências experimentais anteriores.
Este artigo apresenta o tmQM-RDF, um novo conjunto de dados em formato de grafo de conhecimento que reúne descrições detalhadas de aproximadamente 50 mil complexos de metais de transição para facilitar o uso de aprendizado de máquina na área química.
O artigo apresenta o DCM-net, uma rede neural equivariante que gera modelos de cargas distribuídas de forma eficiente e contínua, superando as limitações das cargas pontuais convencionais ao capturar com precisão a anisotropia do potencial eletrostático molecular.