🔬 Category

physics.comp-ph

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.

The universal growth of magnetic energy during the nonlinear phase of subsonic and supersonic small-scale dynamos

Durch die Analyse einer großen Ensemble von Simulationen über subsonische bis supersonische Regime hinweg zeigt diese Studie, dass die nichtlineare Wachstumsrate von Kleinskalendynamos zwar je nach Strömungskompressibilität von linear zu quadratisch variiert, der Prozess jedoch über eine charakteristische Dauer von etwa 20 Umlaufzeiten der äußeren Skala konsistent einen festen Anteil der turbulenten kinetischen Energie in magnetische Energie umwandelt.

Neco Kriel, James R. Beattie, Mark R. Krumholz, Jennifer Schober, Patrick J. Armstrong2026-05-01🔬 physics

Rigorous electromagnetic quasinormal-mode method made easy for users

Dieser Beitrag stellt eine vereinfachte, zugängliche und ultraschnelle Methode zur Berechnung elektromagnetischer Quasinormalmoden vor, die numerische Techniken mit präzisen Näherungen kombiniert und in einem Open-Source-Paket innerhalb kommerzieller Photonik-Software implementiert ist, um die Lücke zwischen der fortgeschrittenen QNM-Theorie und den Standardpraktiken der Simulation bei reellen Frequenzen zu schließen.

Tong Wu, Philippe Lalanne2026-05-01🔬 physics.optics

Towards single-shot coherent imaging via overlap-free ptychography

Dieser Beitrag stellt ein erweitertes PtychoPINN-Framework vor, das eine überlappungsfreie, einzelbildbasierte kohärente Diffraktionsbildgebung ermöglicht und die konventionelle Mehrbild-Ptychographie beschleunigt, indem ein differenzierbares Vorwärtsmodell mit einer Poisson-Wahrscheinlichkeitsfunktion gekoppelt wird, wodurch hochpräzise Rekonstruktionen mit deutlich reduzierten Datenanforderungen und gesteigerter Durchsatzrate bei experimentellen Synchrotron- und XFEL-Datensätzen erreicht werden.

Oliver Hoidn, Albert Vong, Aashwin Mishra, Steven Henke, Matthew Seaberg2026-05-01🔬 physics.optics

Experimentally Accurate Graph Neural Network Predictions of Core-Electron Binding Energies

Dieser Artikel stellt ein experimentell genaues, interpretierbares Graph-Neural-Network-Modell namens AugerNet vor, das die Bindungsenergien von 1s-Kernelektronen in organischen Molekülen mit einem mittleren absoluten Fehler von 0,33 eV vorhersagt, indem es chemisch informierte Knotenmerkmale und E(3)-Äquivarianz nutzt, um lokale Bindungsumgebungen zu erfassen und auf größere Systeme zu verallgemeinern.

Adam E. A. Fouda, Joshua Zhou, Rodrigo Ferreira, Patrick Phillips, Valay Agarawal, Bhavnesh Jangid, Jacob J. Wardzala, Rui Ding, Junhong Chen, Nicole Tebaldi, Phay J. Ho, Laura Gagliardi, Linda Young2026-05-01🔬 physics

Computation of frequency- and time-domain Jacobians in optical tomography with Monte Carlo simulations

Dieser Beitrag stellt ein vollständiges theoretisches Framework und eine Open-Source-Monte-Carlo-Implementierung zur Berechnung von Frequenz- und Zeitbereich-Jacobianen in der optischen Tomographie vor und zeigt deren Notwendigkeit für eine präzise Modellierung in Regimen mit geringer Streuung sowie die Vorteile einer realistischen Detektormodellierung bei kurzen Quellen-Detektor-Abständen auf.

Pauliina Hirvi, Jaakko Olkkonen, Qianqian Fang, Ilkka Nissilä2026-05-01🔬 physics.optics

VibroML: an automated toolkit for high-throughput vibrational analysis and dynamic instability remediation of crystalline materials using machine-learned potentials

VibroML ist ein Open-Source-Python-Toolkit, das maschinengelernte Potentiale und genetische Algorithmen nutzt, um die Behebung dynamischer Instabilitäten zu automatisieren, die Stabilität bei endlichen Temperaturen zu validieren und Zusammensetzungsräume systematisch zu erkunden, wodurch die Hochdurchsatz-Materialscreening von einer bloßen Stabilitätsverifikation in einen umfassenden Workflow zur Erzeugung physikalisch tragfähiger Kristallstrukturen verwandelt wird.

Rogério Almeida Gouvêa, Gian-Marco Rignanese2026-05-01🔬 cond-mat.mtrl-sci

Compressibility of micromagnetic solutions in tensor train format

Dieser Artikel zeigt, dass die Darstellung von 3D-mikromagnetischen Zuständen im Tensor-Train-Format die kubischen Skalierungsgrenzen traditioneller gitterbasierter Methoden durch Ausnutzung der räumlichen Sparsamkeit überwindet und eine deutlich effizientere Parameteranzahl erreicht, die für Flussabschlusskonfigurationen als L1,8L^{1,8} und (1/a)1,2(1/a)^{1,2} skaliert.

Thierry Valet, Nicolas Vukadinovic2026-05-01🔬 cond-mat.mes-hall

Time-Dilation Methods for Extreme Multiscale Timestepping Problems

Dieser Beitrag stellt einen generalisierten Zeitdehnungsrahmen vor, der die Evolution über einen kontinuierlichen Raum-Zeit-Faktor moduliert, um extreme Mehrskalen-Zeitschrittbeschränkungen in astrophysikalischen Simulationen zu überwinden, wodurch Beschleunigungsfaktoren von über 10410^4 ermöglicht werden, während korrekte lokale stationäre Zustände erhalten bleiben und willkürliche Skalentrennungen vermieden werden.

Philip F. Hopkins, Elias R. Most2026-04-30🔭 astro-ph