879 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.
Diese Arbeit präsentiert eine verbesserte Mischfunktion für ein modifiziertes Upwind-Kompaktschema, das effektiv die hohe Genauigkeit von Kompaktschemata mit der Schock-Erfassungskapazität von WENO kombiniert und so eine scharfe Schockauflösung ermöglicht, während gleichzeitig eine hohe Auflösung in glatten Regionen für Anwendungen wie Schock-Grenzschicht- und Schock-Akustik-Interaktionen bewahrt wird.
Diese Arbeit rezensiert und bewertet eine komprimierte hybride BEM/FEM-Methode, die dichte Randelementmatrizen in gebänderte dynamische Steifigkeitsmatrizen transformiert, um elastische Wellenstreuungsprobleme in halbunendlichen Gebieten mit reduziertem Speicherbedarf für praktische Ingenieursanwendungen effizient zu lösen.
Diese Arbeit präsentiert eine neue Multiresolutions-Hexaeder-Elementformulierung basierend auf einem neuartigen Framework von mutuell verschachtelten Verschiebungsunterräumen, welches anpassbare Auflösungsstufen ermöglicht, um die Genauigkeit der Strukturanalyse effizienter und rationaler als herkömmliche Monoresolutionsmethoden zu modulieren.
Dieses Paper führt die Dual Vibration Configuration Interaction (DVCI) ein, ein speichereffizientes Rechenprogramm, das eine neuartige Hamiltonian-Faktorisierung basierend auf Dualität und Zweitquantisierung nutzt, um spezifische infrarote Schwingungszustände schnell und präzise zu berechnen, ohne große Matrixblöcke konstruieren zu müssen.
Diese Studie schlägt ein auf der Darcy–Forchheimer-Theorie basierendes makroskopisches Modellierungs- und Optimierungsframework vor, um Wärmetauscher mit variablen TPMS-Gitterstrukturen mit nicht gleichmäßigen Kanalbreiten zu entwerfen, deren Leistungssteigerung gegenüber einheitlichen Gitterkonfigurationen durch experimentelle Validierung mit 28,7 % bestätigt wurde.
Dieses Paper schlägt eine Methodik vor, die differenzierbare kinetische Simulatoren mit gradientenbasierten Optimierungsverfahren kombiniert, um Plasma-Kollisionsoperatoren direkt aus Phasenraumdaten präzise zu inferieren, wobei eine überlegene Leistung und Effizienz im Vergleich zu traditionellen, auf Teilchenbahnen basierenden Schätzungen demonstriert wird.
Diese Arbeit zeigt, dass die rotatorische Natur der Turbulenz neuronale Netze durch implizite Datenaugmentation inhärent Äquivarianz lehrt und dass die explizite Durchsetzung dieser Symmetrie als architektonischer induktiver Bias die Generalisierung über verschiedene Strömungsbedingungen hinweg signifikant verbessert, während gleichzeitig die Modellkomplexität reduziert wird.
Diese Studie zeigt durch dynamische Monte-Carlo-Simulationen, dass die Einführung von Mobilitätheterogenität durch unterschiedliche Aktualisierungsraten in einem zweiblokigen 2D-Gaußschen-Gitterpolymer zwar die interne Relaxationsdynamik und die blockaufgelöste mittlere quadratische Verschiebung verändert, der Diffusionskoeffizient des Schwerpunkts jedoch die standardmäßige ideale Ketten-Skalierung von beibehält.
Dieses Paper führt Stein-Kernelized Molecular Dynamics (SKMD) ein, eine neuartige Enhanced-Sampling-Methode, welche die Boltzmann-Verteilung unter Verwendung von interagierenden Teilchendynamiken und symmetrie-bewussten Kernen bewahrt, um effizient diverse, nicht-redundante Trainingsdaten für das Active Learning und das Fine-Tuning von maschinellen Lern-Interatomar-Potenzialen zu gewinnen.
Diese Arbeit präsentiert einen systematischen, datenfreien Benchmark von elf Architekturen physikinformierter neuronaler Netze für das steife Poisson-Nernst-Planck-System und demonstriert, dass die Balanced Residual Decay Rate (BRDR)-Strategie im Vergleich zu anderen Methoden ein optimales Gleichgewicht zwischen Genauigkeit und Recheneffizienz bietet, während sie gleichzeitig eine Open-Source-Implementierung für zukünftige Forschung bereitstellt.