🔬 Category

physics.comp-ph

886 Arbeiten

Die Computergestützte Physik verbindet die Gesetze der Natur mit der Rechenkraft moderner Computer, um komplexe Phänomene zu simulieren, die im Labor schwer zu beobachten sind. Von der Strömungsdynamik bis zur Quantenmechanik nutzen Forscher hier Algorithmen, um tiefe Einblicke in das Verhalten von Materie und Energie zu gewinnen.

Auf Gist.Science durchsuchen wir täglich die neuesten Vorabveröffentlichungen auf arXiv in diesem Bereich. Für jedes neu eingereichte Papier erstellen wir sowohl eine verständliche Zusammenfassung für ein breites Publikum als auch eine detaillierte technische Analyse, damit die neuesten Durchbrüche für alle zugänglich sind.

Hier finden Sie die aktuellsten Forschungsarbeiten aus dem Feld der computergestützten Physik, die wir für Sie aufbereitet haben.

A hybrid Volume of Fluid Phase-Field method for Direct Numerical Simulations of soluble surfactant-laden interfacial flows

Dieser Artikel stellt eine hybride Volume-of-Fluid-Phasenfeld-Methode mit adaptiver Gitterverfeinerung für direkte numerische Simulationen von löslichen Tensid-beladenen Strömungen vor, die die Kopplung zwischen Volumen- und Grenzflächentransport präzise erfasst, um zu zeigen, wie Marangoni-Spannungen die Aufstiegsdynamik von Blasen in dreidimensionalen Geometrien erheblich verändern.

Ilies Haouche (Univ. Lille, CNRS, Centrale Lille, Univ. Polytechnique Hauts-de-France, UMR 8520, IEMN, F59000 Lille, France), Benjamin Reichert (Univ. Lille, CNRS, Centrale Lille, Univ. Polytechnique (…)2026-05-28🔬 physics

Application of Reinforcement Learning for Multigroup Energy Grid Optimization for Neutron Transport Criticality Problems

Dieser Beitrag stellt einen Reinforcement-Learning-Ansatz vor, der mit neuronalen Netzwerk-Surrogatmodellen kombiniert wird, um Mehrgruppen-Energiestrukturen für eindimensionale sphärische k-Kritikalitäts-Neutronentransportprobleme zu optimieren, wobei eine Genauigkeit erreicht wird, die mit bestehenden Methoden vergleichbar ist oder diese übertrifft, während gleichzeitig eine größere Flexibilität und Recheneffizienz geboten wird.

Ben Whewell, Nathan Gibson, Ajeeta Khatiwada2026-05-28🔬 physics

Filter-assisted quantum subspace diagonalization via wavefunction sparsity engineering

Dieser Beitrag stellt ein filterunterstütztes, auf Stichproben basierendes Quantendiagonalisierungsprotokoll vor, das die Wellenfunktions-Sparsity durch einen tensornetzwerk-optimierten Quantenfilter gestaltet, um die Einschränkungen der Stichprobeneffizienz bestehender Methoden zu überwinden und dadurch die Energieabschätzungsfehler sowie den Stichprobenaufwand für stark korrelierte Systeme erheblich zu reduzieren.

Han Xu, Tomonori Shirakawa, Seiji Yunoki2026-05-28⚛️ quant-ph

Hybrid Neural World Models

Dieser Beitrag stellt hybride neuronale Weltmodelle vor, ein Ein-Netzwerk-Framework, das physikalische Dynamiken mit erheblichen Geschwindigkeitsvorteilen gegenüber klassischen Lösern vorhersagt und gleichzeitig implizit eine Fehlerkarte zur Erkennung scharfer Diskontinuitäten wie Schocks und Kontakten generiert, wodurch ein Ausweichmechanismus ermöglicht wird, der die Vorhersagefehler erheblich reduziert, ohne zusätzliche Kalibrierung oder Kenntnis der Bewegungsgleichungen zu erfordern.

Pranav Lakshmanan, Paras Chopra2026-05-28✓ Author reviewed ⓘ🔬 physics

Bow-shock instability in entry, descent, and landing vehicles under high-enthalpy conditions

Diese Arbeit zeigt, dass unter Hochenthalpie-Eintrittsbedingungen auf dem Mars Störungen im Freistrom einen dreistufigen Instabilitätsmechanismus innerhalb des abgelöten Bugstoßes und der Scher-Entropieschicht auslösen können, was zu einem nichtlinearen Zerfall und einer signifikant verstärkten Wandheizung führt, die Flugdaten von Marsmissionen erklärt, ohne dass ein klassischer Übergang der Grenzschicht erforderlich ist.

Adrián Antón-Álvarez, Adrián Lozano-Durán2026-05-28🔬 physics

Can MACE Potentials Accurately Describe Magnetism and Phase Stability in Fe-Ni Alloys? A Systematic Benchmark

Diese Studie zeigt, dass ein systemspezifisches MACE-Potenzial, das auf spinpolarisierten DFT-Daten für ungeordnete Fe-Ni-Strukturen trainiert wurde, bestehende Foundation-Modelle bei der Vorhersage struktureller, elastischer und Eigenschaften bei endlichen Temperaturen deutlich übertrifft, obwohl es weiterhin Schwierigkeiten hat, die magnetischen Kollaps-Effekte, die den Phasenübergang von bcc zu hcp steuern, genau zu erfassen.

Kushal Ramakrishna, Mani Lokamani, Attila Cangi2026-05-28🔬 cond-mat.mtrl-sci

Wigner-Eckart Factorization of the Spectral Boltzmann Collision Operator

Dieser Artikel stellt eine Wigner-Eckart-Faktorisierung des spektralen Boltzmann-Kollisionsoperators vor, die die Dimensionalität des Problems von acht auf fünf reduziert, indem das Bezugssystem an kollidierende Paare angepasst wird, wodurch die Winkelgeometrie von der Streuphysik entkoppelt wird, um erhebliche Beschleunigungen der Rechengeschwindigkeit und Speicherreduktionen bei gleichzeitiger Wahrung exakter Erhaltungssätze und hoher Präzision zu erzielen.

René R. Hiemstra, Torsten Keßler, Michael R. A. Abdelmalik2026-05-28🔬 physics

History-aware adaptive reduced-order models via incremental singular value decomposition

Dieser Beitrag schlägt einen geschichtsbewussten adaptiven Rahmen für die Modellreduktion mittels inkrementeller Singulärwertzerlegung (iSVD) vor, der Basisfunktionen durch gelegentliche Korrekturen im Vollordnungsmodell dynamisch aktualisiert und dabei eine überlegene Vorhersagegenauigkeit sowie Recheneffizienz gegenüber bestehenden Methoden für komplexe nichtlineare Probleme wie die Burgers-Gleichung, die Sod-Stoßrohr-Simulation und rotierende Detonationsmotoren nachweist.

Amirpasha Hedayat, Ali Mohaghegh, Laura Balzano, Cheng Huang, Karthik Duraisamy2026-05-28✓ Author reviewed ⓘ🔬 physics

Formal O(N3)-Scaling Second-Order Perturbation Theory by Block Tensor Decomposition: Implementation on MP2 and rPT2

Dieser Beitrag stellt ein vereinheitlichtes Framework mit O(N3)O(N^3)-Skalierung für die Störungstheorie zweiter Ordnung vor, das die Blocktensorzerlegung und die kanonische polyadische Zerlegung kombiniert, wodurch bei MP2- und rPT2-Berechnungen eine hohe Genauigkeit erreicht und gleichzeitig der Speicherbedarf auf O(N2)O(N^2) reduziert wird.

Yueyang Zhang, Wei Wu, Peifeng Su2026-05-28🔬 physics

Sketch Tomography: Hybridizing Classical Shadow and Matrix Product State

Dieser Artikel stellt Sketch Tomography vor, eine beweisbar konvergente Methode zur Quantenzustandstomographie, die klassische Schattenprotokolle mit Matrixproduktzustandsannahmen hybridisiert, um eine quadratische Stichprobenkomplexität und eine überlegene Genauigkeit bei der Schätzung von Observablen im Vergleich zu Standard-Clasical-Shadows-Verfahren und der Maximum-Likelihood-Schätzung zu erreichen.

Xun Tang, Haoxuan Chen, Yuehaw Khoo, Lexing Ying2026-05-27⚛️ quant-ph