Influence of CeOMnO heterostructure on Hydrogen Peroxide Electrogeneration on Carbon-Based Catalysts
这项研究表明,负载在 Vulcan XC-72 碳上的低负载量 CeO 和 CeOMnO 纳米颗粒显著增强了通过两电子氧还原反应实现可持续过氧化氢电解生成的选择性和活性,其中 1% CeOMnO/C 催化剂的选择性高达 90%。
763 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。
这项研究表明,负载在 Vulcan XC-72 碳上的低负载量 CeO 和 CeOMnO 纳米颗粒显著增强了通过两电子氧还原反应实现可持续过氧化氢电解生成的选择性和活性,其中 1% CeOMnO/C 催化剂的选择性高达 90%。
本文提出了一种统一的平衡态量子多体理论表示层框架,该框架将不同的方法表征为将容许态映射到特定变量的编码器,从而通过对态纤维和任务相关信息的分析,阐明了精确重构的条件,并统一了泛函、核以及量子嵌入等概念。
本文介绍了 PoseBusters,这是一个验证工具,它证明了当前的基于深度学习的蛋白质-配体对接方法往往无法生成符合物理规律的结构,或无法泛化至新的序列,从而在表现上逊于能更好地结合基本物理原理的经典对接工具。
本文介绍了 BayesMBAR,这是一种多状态贝内特验收比(MBAR)方法的贝叶斯推广版本,它通过计算自由能后验分布来提供更准确的不确定性估计,并允许将先验知识(如表面平滑度)纳入自由能计算中。
本研究将机器学习基础模型在预测分子氧化还原电位方面的潜力与量子化学方法进行了基准测试,揭示了它们在质子耦合电子转移方面具有极高的准确性,但在多电子转移方面存在局限性,并提出了一种结合高效的基于电位的几何优化与单点密度泛函理论(DFT)能量精修的混合工作流,以实现可扩展的高通量筛选。
本文介绍了 SC3,这是一个经过严格策划的多溶剂溶解度基准测试,它具有重新校准的偶然性极限和先进的评估指标,揭示了当前的先进模型仍然显著不如此前假设的那样可靠,并强调了校准不确定性对于未来改进的关键作用。
RLLEASE 是一个基于强化学习的引擎,它通过训练神经网络来预测轨道得分,从而实现了几何依赖型活性空间选择在多参考电子结构计算中的自动化,进而使高通量工作流无需依赖专家直觉或昂贵的初步 DMRG 计算。
本研究展示了通过异氰基ات在Au(111)上的[1+1+1+1]环加成反应,实现了四氮杂[4]径向烯的高化学选择性和立体专一性表面合成,随后通过由对映选择性分子识别驱动的长期二维结晶形成同手性结构。
本文提出了一种用于扩展体系的全电子数值原子中心轨道实现动态 Bethe-Salpeter 方程的方法,该方法结合了动态屏蔽效应,并通过对萘等分子晶体的应用进行了验证。
本文引入了共价场理论(Covalent Field Theory, CFT),该框架通过将化学亲和力重新定义为一种连续的界面属性而非离散的几何属性,解决了分子-表面相互作用中长期存在的歧义问题,从而为复杂表面上的活性位点涌现、线性标度关系以及布伦斯特-埃文斯-波拉尼(Brønsted-Evans-Polanyi)相关性提供了理论基础。