Design Principles for Enhanced Quantum Transport with Site-Dependent Noise
本文通过研究一维晶格中的位点相关去相干噪声,发现通过优化不同位置的噪声强度(而非采用均匀噪声)可以有效克服能级失配与相干干涉导致的局域化效应,从而显著提升量子输运效率并增强态的离域性。
785 篇论文
化学物理这一交叉领域探索着分子层面的物理规律,架起了化学变化与物理原理之间的桥梁。在这里,科学家通过理论模型和实验手段,深入理解原子如何结合、能量如何转化以及物质在微观尺度下的独特行为。
Gist.Science 致力于让 arXiv 上的最新研究成果触手可及。我们实时追踪并处理该分类下发布的所有预印本,为每一篇论文提供通俗易懂的科普解读与详尽的技术摘要,帮助不同背景的读者跨越专业术语的障碍,轻松把握前沿动态。
以下是该领域近期在 arXiv 上发布的最新论文精选。
本文通过研究一维晶格中的位点相关去相干噪声,发现通过优化不同位置的噪声强度(而非采用均匀噪声)可以有效克服能级失配与相干干涉导致的局域化效应,从而显著提升量子输运效率并增强态的离域性。
本文通过数值模拟研究了流体流动条件和多孔介质特性对载药多孔植入物(DFPI)药物释放过程的影响,揭示了不同雷诺数及介质参数如何改变药物释放速率,为设计能够根据生理需求实现智能药物递送的植入物提供了理论依据。
本文通过理论研究发现,石墨烯中的光学声子通过耦合带间电流和引起相位散射,显著抑制了高次谐波产生(HHG)的产率并加速了电子去相干,从而解释了实验中高能谐波缺失的现象。
本文提出并验证了两种改进的结构因子扭转平均(sfTA)变体——配对 sfTA 和结合 sfTA,通过优化扭转角的选择算法,使低维双层材料的结合能计算结果更接近扭转平均(TA)精度。
本文通过宽带脉冲受激拉曼光谱研究了碘分子在基态与激发态的振动波包动力学,提出了一种精确的啁啾校正方法及通过泵浦-探测数据计算拉曼截面的新手段,并利用小波分析揭示了通过非绝热耦合介导的振动相干性从激发态(B态)向基态(A态)的转移过程。
本文利用人工智能分子机制发现方法(AIMMD),通过机器学习和符号回归技术,在无需预设反应坐标的情况下,从动力学轨迹中提取出视网膜异构化的解析表达式,揭示了自由能面无法体现的、由非平衡动力学驱动的非线性耦合反应路径。
本文提出了 Vib2Conf,一种利用注意力重采样器和混合专家模型(MoE)的深度学习框架,能够从振动光谱中高精度地识别分子的三维构象,甚至能有效区分差异极小的近异构构象。
本文通过结合原子模拟、机器学习与量子化学计算的计算设计流程,筛选并实验验证了一系列具有红移吸收特性且能受可见光调控的 PARP1 光活性抑制剂,其中化合物 **1** 在绿光照射下实现了 PARP1 抑制能力的 15 倍提升。
本文通过硼掺杂策略提升了层状 正极材料的电化学性能与扩散动力学,并结合 DRT 分析、DFT 计算及分子动力学模拟,从结构稳定性、离子传输路径及电子性质等方面深入揭示了其性能增强的机理。
本文提出了一种基于分治启发式算法的可扩展方案,通过将分子对接问题转化为最大权重独立集(MWIS)问题,利用中性原子量子处理器(或模拟器)解决了生物分子规模与当前量子硬件容量之间的失配问题,并在多个真实蛋白质-配体复合物上验证了其优于贪婪算法的性能及生物学相关性。