“periyodik tablo” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Kuantum kimyada çığır açan yöntem: Ağır elementlerin hesaplanması artık çok daha kolay
Araştırmacılar, periyodik tablonun ağır elementlerini içeren moleküllerin elektronik yapılarını hesaplamak için yeni bir kuantum kimya yöntemi geliştirdi. X2C-DSRG-MRPT2 olarak adlandırılan bu yöntem, spin-yörünge etkileşimi gibi relativistik etkileri yüksek doğrulukla hesaplayabiliyor. Yöntem, deneysel değerlerle karşılaştırıldığında %7'nin altında hata oranı gösteriyor ve altıncı sıraya kadar olan elementleri başarıyla modelleyebiliyor. Bu gelişme, özellikle ağır metal içeren kataliz sistemleri ve nükleer kimya uygulamaları için önemli bir adım teşkil ediyor. Hesaplama maliyeti makul seviyede tutularak, rutin kullanım için pratik bir çözüm sunuluyor.
Periyodik tablonun sırları: Altın oran atomların özelliklerini nasıl belirliyor?
Kimyagerlerin yüzyıllardır anlamaya çalıştığı periyodik tablo düzeninin arkasında matematiksel bir sır keşfedildi. Araştırmacılar, atomların temel özelliklerini tek bir matematiksel fonksiyonla açıklayabilen yeni bir koordinat sistemi geliştirdi. Bu sistem, soygazları merkeze alarak atomların iyonlaşma enerjisi, elektron ilgisi ve elektron tutma gücü gibi kritik özelliklerini tahmin edebiliyor. En şaşırtıcı bulgu ise bu matematiksel formülde altın oranın (phi sayısının) yer alması. Altın oran doğada çiçek yaprakları, deniz kabukları ve galaksi sarmallarında görülürken, şimdi atomların kimyasal davranışlarını da yönettiği ortaya çıktı. Araştırma, periyodik tablonun 2-6. periyotlarındaki 34 atomun 26'sının bu yeni modelle mükemmel uyum gösterdiğini kanıtladı. Geriye kalan 8 sapma ise zaten bilinen anomali bölgelerinde ortaya çıktı. Bu keşif, kimya eğitimi ve yeni malzeme tasarımında devrim yaratma potansiyeli taşıyor.
Milyar Parametreli Yapay Zeka Modeli Atom Simülasyonlarında Çığır Açtı
Araştırmacılar, atom düzeyindeki fiziksel simülasyonları kuantum doğruluğunda gerçekleştirebilen milyar parametreli bir yapay zeka modeli geliştirdi. MatRIS-MoE adı verilen bu model, periyodik tablonun tüm elementlerini kapsayan devasa veri setleri üzerinde eğitildi. Geleneksel yöntemlerin aksine, bu sistem organik moleküllerden inorganik malzemelere kadar geniş bir yelpazede malzeme özelliklerini tahmin edebiliyor. Projenin en büyük zorluklarından biri, ikinci dereceden türevler gerektiren eğitim sürecinin paralel hesaplama altyapısına uyarlanmasıydı. Araştırma ekibi, Janus adlı özel bir dağıtık eğitim çerçevesi geliştirerek bu sorunu çözdü. İki farklı süper bilgisayar üzerinde test edilen sistem, teorik kapasitesinin %35'ine ulaşarak rekor performans sergiledi.