Surface astrochemistry: a computational chemistry perspective

Auteurs : H. M. Cuppen, A. Fredon, T. Lamberts, E. M. Penteado, M. Simons, C. Walsh

Astrochemistry VII -- Through the Cosmos from Galaxies to Planets", proceedings of the IAU Symposium No. 332, 2017, Puerto Varas, Chile; eds. M. Cunningham, T. Millar and Y. Aikawa,p 293 - 304
arXiv: 2202.04992v1 - DOI (astro-ph.GA)
(12 pages, 8 figures)
Licence : CC BY-NC-ND 4.0

Résumé : Molecules in space are synthesized via a large variety of gas-phase reactions, and reactions on dust-grain surfaces, where the surface acts as a catalyst. Especially, saturated, hydrogen-rich molecules are formed through surface chemistry. Astrochemical models have developed over the decades to understand the molecular processes in the interstellar medium, taking into account grain surface chemistry. However, essential input information for gas-grain models, such as binding energies of molecules to the surface, have been derived experimentally only for a handful of species, leaving hundreds of species with highly uncertain estimates. Moreover, some fundamental processes are not well enough constrained to implement these into the models. The proceedings gives three examples how computational chemistry techniques can help answer fundamental questions regarding grain surface chemistry.

Soumis à arXiv le 10 Fév. 2022

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.