903 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.
Dieser Beitrag stellt ein maschinelles Lernframework für grobkörnige Molekulardynamik vor, das das traditionelle Force Matching durch stochastisches Hessian-Vektor-Produkt-Matching zur Einbeziehung von Informationen zur zweiten Ordnung der Krümmung erweitert und dadurch die Genauigkeit und Übertragbarkeit grobkörniger Potentiale für biomolekulare Simulationen erheblich verbessert.
Dieser Beitrag untersucht, wie die Wahl des Zeitintegrators, die Hinzufügung numerischer Dissipation und die Problemrepräsentation die Effizienz und Stabilität von quantisierten Tensor-Train-(QTT)-Berechnungen für advektionsdominierte Probleme beeinflussen, mit dem Ziel, die Anhäufung von Fehlern und das Anwachsen des Rangs in Langzeitsimulationen zu mindern.
Dieser Beitrag zeigt, dass der Ersatz von Finite-Differenzen-Näherungen durch Forward-Mode-Automatische Differentiation für Jacobivektor-Produkte in Jacobian-Free-Newton-Krylov-Lösern die Rechenleistung (um 2–3 Größenordnungen) und die globale Robustheit (Steigerung der Abschlussraten von 42 % auf 95 %) bei unterschiedlichen nichtlinearen Problemen und Hardware-Architekturen erheblich verbessert.
Diese Studie nutzt Finite-Elemente-Simulationen, um nachzuweisen, dass bei nicht-newtonschen Fluiden mit Potenzgesetz-Verhalten scherverdünnendes Verhalten den Wärmeübergang verbessert, während gleichmäßige thermische Randbedingungen im Vergleich zu ungleichmäßiger Erwärmung eine stärkere Konvektion und eine höhere Entropieerzeugung fördern, was wesentliche Erkenntnisse für die Optimierung des thermischen Systemdesigns liefert.
Dieser Artikel schlägt eine makroskopisch-mikroskopische, deterministisch-stochastische Kopplungsstrategie vor, die höherordnige konstitutive Beziehungen und aus DSMC entnommene Quellterme chemischer Reaktionen in eine makroskopische synthetische Gleichung integriert, um Simulationen zu beschleunigen, Rauschen zu reduzieren und Rechenengpässe in chemischen Reaktionsströmungen im Nahkontinuum zu überwinden.
Der Artikel stellt Elastica++ vor, ein Open-Source-Framework mit hoher Leistungsfähigkeit, das das Cosserat-Stabmodell und Shared-Memory-Parallelisierung nutzt, um großskalige Multiphysik-Simulationen wechselwirkender schlanker Strukturen in verschiedenen Anwendungsbereichen von der weichen Robotik bis hin zu aktiver Materie zu ermöglichen.
Dieser Artikel stellt eine hybride quanten-klassische Methode zur Lösung der Advektions-Diffusions-Gleichung vor, die sich effizient mit der Systemdimension skaliert und auf aktueller verrauschter IBM-Quantenhardware zuverlässige Ergebnisse liefert, wodurch ein möglicher Weg zur Überwindung von Rechen- und Leistungsgrenzen in der numerischen Wettervorhersage eröffnet wird.
Diese Studie nutzt maschinelles Lernen und Molekulardynamik, um potenzielle Inhibitoren zu identifizieren, die auf Resistenzmechanismen gramnegativer Bakterien abzielen, insbesondere RND-Effluxpumpen und Erythromycin-Esterasen, mit dem Ziel, die Einschränkungen bestehender von der FDA zugelassener antibakterieller Wirkstoffe zu überwinden.
Diese Arbeit stellt APRIL vor, ein Framework, das den überwachten Verlust durch zusätzliche physikalisch redundante Terme erweitert, um die Konvergenz und Genauigkeit bei der Parameterschätzung für große Multi-System-Datensätze zu verbessern, und zeigt im Vergleich zu Standardansätzen eine Leistungssteigerung um bis zu eine Größenordnung bei der Parameterschätzung für Gravitationswellen.
Dieser Beitrag stellt ein strukturerhaltendes Low-Rank-Kompressionsprotokoll für Zwei-Elektronen-reduzierte Dichtematrizen vor, das die Speicher-Skalierung von quartisch auf quadratisch reduziert, während die chemische Genauigkeit erhalten bleibt, und ermöglicht dadurch die effiziente Anwendung von Eigenvektor-Fortsetzungs-Workflows auf großskalige nichtadiabatische Molekulardynamik-Simulationen.