Artigos mais recentes para Teoria do Funcional de Densidade

A pesquisa usa aprendizado de máquina pra prever rapidinho as propriedades de cristais de sal orgânico.

Descobrindo rotas eficientes de movimento atômico em processos químicos.

Pesquisas mostram novas maneiras de estudar as propriedades únicas do dióxido de vanádio.

Aprendizado de máquina melhora a precisão na previsão de propriedades químicas usando funcionais de densidade híbridos adaptativos.

Pesquisas mostram as propriedades do alumínio em condições extremas.

Explorando o papel do treinamento de auto-consistência em melhorar a previsão Hamiltoniana para propriedades moleculares.

Pesquisadores usam simulações e aprendizado de máquina pra identificar novos materiais de perovskita.

O aprendizado de máquina ajuda a prever estruturas cristalinas de forma mais eficiente do que os métodos tradicionais.

Pesquisadores identificam novos materiais para resfriamento eficiente em temperaturas baixas.

Novas descobertas sobre líquidos iônicos através de machine learning e simulações avançadas.

Explorando os avanços recentes em DFT pra melhorar as simulações de metais sob condições diferentes.

Pesquisas mostram como as interfaces de materiais afetam o desempenho de dispositivos eletrônicos.

A pesquisa explora métodos para melhorar as previsões de interações elétron-fonon em materiais.

Uma olhada na DFT nuclear e suas aplicações na física.

Novos conjuntos de dados e técnicas de aprendizado de máquina melhoram a compreensão dos materiais de alta entropia.

Aprendizado de máquina melhora as previsões de gaps de bandas, aumentando a compreensão das propriedades eletrônicas dos materiais.

Pesquisas revelam novas informações sobre a estabilidade de nanopartículas de tungstênio em diferentes ambientes.

Uma olhada nos efeitos quânticos nas propriedades dos materiais na engenharia.

O aprendizado de máquina acelera a descoberta de catalisadores e melhora a eficiência das reações.

Uma nova abordagem melhora a minimização de energia em estudos moleculares.

Novos métodos melhoram os cálculos quânticos para sistemas químicos complexos.

Este artigo explora como os padrões de empilhamento afetam as propriedades dos MXenes de nitreto.

Um novo método melhora a velocidade e a precisão na previsão da densidade de carga.

Um estudo revela diferenças estruturais entre fluticasona furoato e propionato.

Um novo método melhora a precisão no cálculo das entalpias de sublimação para cristais moleculares.

Explorando o método de potencial efetivo otimizado pra cálculos de forças precisos em materiais.

Pesquisadores usam aprendizado de máquina pra prever parâmetros importantes de Hubbard pra materiais.

TbSbTe tem propriedades únicas e um comportamento magnético que oferecem insights sobre semimetais de linha nodal.

Examinando centros de ausência de níquel e seu impacto nas tecnologias futuras.

Pesquisadores usam IA pra melhorar a modelagem de materiais com uma nova abordagem de deep learning.

Uma nova interface melhora as simulações de dinâmica molecular em condições realistas.

NeuralSCF combina aprendizado de máquina com DFT pra uma análise de estrutura eletrônica mais eficiente.

Explorando a ligação entre quiralidade e técnicas de RMN em estudos moleculares.

Descubra como a luz interage com a matéria através de teorias quânticas avançadas.

O SCIGEN integra restrições estruturais pra gerar materiais quânticos estáveis de forma eficiente.

Um olhar sobre skyrmions e seu impacto no efeito Hall topológico.

O modelo SLEM melhora a precisão e a eficiência na previsão de operadores quânticos para materiais.

Novos métodos melhoram a compreensão das propriedades eletrônicas em materiais.

Explorando como as moléculas no espaço influenciam a formação de planetas e a vida.

A pesquisa foca em alternativas seguras ao chumbo para energia solar.