917 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.
DRIFT-Net ist ein neuartiger neuronaler Operator, der durch eine dual-branch-Architektur mit spektraler und bildbasierter Verarbeitung globale spektrale Kopplung und lokale Details effizient vereint, um bei PDE-Lösungen im Vergleich zu Attention-basierten Baselines signifikant geringere Fehler, weniger Parameter und eine höhere Durchsatzrate zu erzielen.
Die Studie zeigt, dass Single-Layer PINNs bei der Lösung nichtlinearer PDEs primär durch Optimierungsprobleme und nicht durch Approximationskapazität limitiert sind, was zu einem komplexen, nicht-separierbaren Skalierungsverhalten führt, das durch spektrale Verzerrung bei hohen Frequenzen verursacht wird.
Diese Studie führt erstmals umfassende Voll-f-Driftkinetik- und Delta-f-Gyrokinetik-Turbulenzsimulationen in einem linearen Plasma-Device durch, bei denen ein selbstkonsistentes elektrostatistisches Modell die Wechselwirkung großskaliger Driftkinetik-Felder mit kleinskaligen Gyrokinetik-Fluktuationen beschreibt und zeigt, dass unter LAPD-Bedingungen die Ionenverteilung näherungsweise bi-Maxwellisch ist und die Gyrokinetik-Felder die Driftkinetik-Felder nicht beeinflussen, während bei reduzierter Kollisionalität eine Verstärkung turbulenter Strukturen durch Kelvin-Helmholtz-Moden beobachtet wird.
Das Paper stellt QMatSuite vor, eine Open-Source-Plattform, die KI-Agenten in der computergestützten Materialwissenschaft durch systematische Wissensspeicherung, -abruf und Reflexion von der bloßen Ausführung zu echter Expertise führt und dabei den Rechenaufwand um 67 % senkt sowie die Genauigkeit erheblich steigert.
Diese Arbeit stellt ein rigoroses theoretisches Fundament für die adaptive Modenverfolgung bei hermiteschen Eigenwertproblemen in der SAFE-Methode bereit, indem sie Existenzsätze, Fehlerindikatoren und einen rotationsinvarianten Unterraum-MAC für entartete Unterräume einführt, um die zuverlässige Berechnung von Dispersionskurven auch in kritischen Verwerfungsbereichen mit reduzierter Rechenlast zu gewährleisten.
Die Autoren stellen eine Methode zur singularwertzerlegungsfreien Konstruktion von Tensor-Netzwerken vor und zeigen, dass die Wahl der Anfangstensoren die Tensor-Renormierungsgruppe zwar signifikant beeinflusst, dieser Effekt jedoch durch die Grenzflächen-Tensor-Renormierung eliminiert werden kann, was zu robusteren numerischen Ergebnissen führt.
Die Autoren berechnen erstmals in Minkowski-Raum die Parton-Verteilungsfunktionen für das massive Schwinger-Modell mittels Tensor-Netzwerk-Zuständen, indem sie den Lichtkegel-Wilson-Linien-Ansatz im Hamilton-Formalismus implementieren, um nicht-störungstheoretische Hadronenstrukturen zu untersuchen und einen Weg für Quantensimulationen zu ebnen.
Die Studie zeigt, dass Lochdotierung in ferroelektrischem Hafniumoxid die Koerzitivfeldstärke von 8 auf 6 MV/cm senkt, indem sie einen alternativen Schaltweg über die Pbcm-Phase aktiviert und das Material von einem unangemessenen in ein angemessenes Ferroelektrikum umwandelt.
Die Autoren stellen den Spin-MInt-Algorithmus vor, den ersten bekannten symplektischen Propagator für die Spin-Mapping-Darstellung nichtadiabatischer Dynamik, der Spin-Variablen direkt propagiert, geometrische Strukturen erhält und rechnerisch effizienter als bestehende Methoden ist.
Diese Arbeit demonstriert, dass differenzierbare Programmierung in der Plasmaphysik nicht nur bestehende Optimierungs- und Diagnoseverfahren beschleunigt, sondern auch völlig neue Möglichkeiten für die Entdeckung nichtlinearer Phänomene, die Ableitung verborgener Variablen in Fluidmodellen und das inverse Design komplexer Laserpulse eröffnet.