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.

Multigroup Radiation Diffusion on a Moving Mesh: Implementation in RICH and Application to Tidal Disruption Events

Die Autoren erweitern den RICH-Code um einen Multigruppen-Radiationsdiffusions-Löser auf einem bewegten Gitter, validieren ihn durch analytische Tests und wenden ihn erfolgreich auf die dreidimensionale Simulation von Tidal Disruption Events an, wobei sie einen frühen Röntgenblitz nachweisen, der mit Beobachtungen übereinstimmt.

Itamar Giron, Menahem Krief, Nicholas C. Stone, Elad Steinberg2026-03-20🔭 astro-ph

An HHL-Based Quantum-Classical Solver for the Incompressible Navier-Stokes Equations with Approximate QST

Diese Arbeit stellt einen hybriden Quanten-Klassischen-Löser für die inkompressible Navier-Stokes-Gleichung vor, der den HHL-Algorithmus zur Beschleunigung der Druckberechnung mit einer effizienten, auf Chebyshev-Polynomen basierenden Näherungsmethode zur Quantenzustandstomographie kombiniert, um präzise Strömungssimulationen wie den Deckelgetriebenen Hohlraum und den Taylor-Green-Wirbel zu ermöglichen.

Moshe Inger, Steven Frankel2026-03-20⚛️ quant-ph

Acoustic radiation of thermodiffusively unstable turbulent lean premixed hydrogen-air flames

Die Studie zeigt mittels direkter numerischer Simulation, dass thermodiffusive Instabilitäten in turbulenten, mageren Wasserstoff-Luft-Flammen die Flammenoberflächendynamik und die Wärmefreisetzungsfluktuationen stark verändern, was zu einer verstärkten Niederfrequenz-Schallabstrahlung und einem steileren Hochfrequenzabfall im Vergleich zu stabilen Methan-Flammen führt.

Francesco G. Schiavone, Guillaume Daviller, Davide Laera2026-03-20🔬 physics

A stable and fast method for solving multibody scattering problems via the method of fundamental solutions

Die Arbeit stellt eine stabile und schnelle Methode zur Lösung akustischer Mehrkörper-Streuungsprobleme vor, die die lokale Konstruktion von Streumatrizen mittels der Methode der Fundamentallösungen mit einer globalen, iterativ lösbaren linearen Systembildung kombiniert, um Skalierbarkeit und numerische Stabilität auch bei vielen Streuern zu gewährleisten.

Yunhui Cai, Joar Bagge, Per-Gunnar Martinsson2026-03-20🔢 math-ph

Dirac Fermions and Flat Bands in Phosphorus Carbide Nanotubes: Structural and Quantum Phase Transitions in a Quasi-One-Dimensional Material

Die Studie sagt eine neue Klasse von Phosphor-Kohlenstoff-Nanoröhren (P2C3\text{P}_2\text{C}_3NTs) voraus, die als stabil und bei Raumtemperatur existierend beschrieben werden und durch das seltene gleichzeitige Auftreten von Dirac-Fermionen und flachen Bändern an der Fermi-Energie sowie durch strukturelle und quantenphasenübergänge unter Dehnung gekennzeichnet sind.

Shivam Sharma, Chenhaoyue Wang, Hsuan Ming Yu, Amartya S. Banerjee2026-03-19🔬 cond-mat.mtrl-sci

Renormalization-Inspired Effective Field Neural Networks for Scalable Modeling of Classical and Quantum Many-Body Systems

Die vorgestellte Arbeit stellt Effective Field Neural Networks (EFNNs) vor, eine auf renormierungstheoretischen Fortgesetzten Funktionen basierende Architektur, die bei der Modellierung klassischer und quantenmechanischer Vielteilchensysteme nicht nur Standardnetzwerke übertrifft, sondern auch eine bemerkenswerte Generalisierungsfähigkeit auf deutlich größere Gitter ohne Nachtraining sowie eine massive Beschleunigung gegenüber exakten Diagonalisierungsmethoden aufweist.

Xi Liu, Yujun Zhao, Chun Yu Wan, Yang Zhang, Junwei Liu2026-03-19🔬 physics

A quantitative analysis of semantic information in deep representations of text and images

Diese Studie nutzt den Informationsungleichgewicht zur Analyse von DeepSeek-V3 und DinoV2 und zeigt, dass semantische Informationen über Sprachen und Modalitäten hinweg konvergieren, wobei die Vorhersagekraft stark von der Schichttiefe, der Modellgröße und der Sprachhierarchie abhängt, was darauf hindeutet, dass reine Skalierung effektiver sein kann als explizites multimodales Training.

Santiago Acevedo, Andrea Mascaretti, Riccardo Rende, Matéo Mahaut, Marco Baroni, Alessandro Laio2026-03-19🔬 physics