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.
Die Arbeit stellt peapods vor, ein Open-Source-Python-Paket mit in Rust implementiertem Kern, das effiziente Monte-Carlo-Simulationen von Ising-Spinsystemen auf periodischen Bravais-Gittern mittels verschiedener Single-Spin- und Cluster-Algorithmen sowie Replica-Methoden für Spin-Gläser ermöglicht.
Diese Arbeit stellt ein allgemeines Framework vor, bei dem ein trainierbarer Aufmerksamkeitsmechanismus lernt, wie und wo physikalische dynamische Systeme gemessen werden müssen, um die Extraktion nützlicher Informationen für maschinelles Lernen zu optimieren und so die Vorhersagegenauigkeit bei chaotischen Systemen erheblich zu steigern.
Die Autoren analysieren die Diskrepanz zwischen zeitkontinuierlichen Modellen und zeitdiskreten Mess-Rückkopplungs-Architekturen bei Ising-Maschinen, die zu einer erhöhten Hyperparameter-Empfindlichkeit führt, und stellen eine experimentell validierte Methode vor, um diese Empfindlichkeit zu verringern.
Die Autoren stellen ein nichtparametrisches Framework zur Optimierung von Reaktionskoordinaten vor, das Trajektorienverläufe nutzt, um die Dynamik seltener Ereignisse in komplexen Systemen – von Proteinfaltung bis hin zu klinischen Daten – auch bei unregelmäßigen oder unvollständigen Daten und ohne umfangreiche Stichprobenziehung präzise zu analysieren.
Diese Studie untersucht Vicsek-Agenten in einer komplexen Rauschumgebung mit einer zentralen, rauschfreien Zone und zeigt, dass sich bei steigender äußerer Rauschintensität eine emergente Rotationsordnung und eine re-entrant globale Ordnung ausbilden, wobei die Heterogenität des Rauschprofils und die Partikelgeschwindigkeit die Flucht- und Einfangdynamik maßgeblich beeinflussen.
Diese Studie entwickelt eine momentbasierte quasilineare Theorie, die zeigt, dass kalte Elektronen sekundäre Instabilitäten auslösen, die parallele Whistler-Chorwellen stark dämpfen und so den Energieübertrag auf kalte Populationen sowie das seltene gleichzeitige Auftreten hochamplitudiger Wellenmoden in der Magnetosphäre erklären.
Diese Arbeit stellt eine einheitliche, softwaregestützte Methode zur bitweisen Kreuzvalidierung und zum fairen Leistungsvergleich der DDA-Solver DDSCAT, ADDA und IFDDA vor, um reproduzierbare und interoperable Simulationen der elektromagnetischen Streuung zu ermöglichen.
Die Studie zeigt, dass im Vergleich zu anderen Regularisierungsmethoden die Projektion auf die Stiefel-Mannigfaltigkeit die Konditionierung und Vorhersagegenauigkeit von neuronalen ODE-basierten Reduced-Order-Modellen für Advektions-Diffusions-Reaktions-Gleichungen am effektivsten verbessert, da sie die negativen Auswirkungen von Diskrepanzen in der latenten Geometrie überwiegt.
Die Autoren stellen eine Methode vor, die es ermöglicht, basierend ausschließlich auf der Geometrie und Topologie eines beliebigen diskreten Federnetzwerks ein exaktes elastisches Kontinuumsmodell abzuleiten und dessen mechanische Eigenschaften, einschließlich nicht-affiner Verschiebungen, präzise vorherzusagen.
Die Arbeit stellt „Astral" vor, eine neuartige Verlustfunktion für physik-informierte neuronale Netze, die auf Fehlermajoranten basiert und im Vergleich zu herkömmlichen Residuen-basierten Ansätzen eine zuverlässige Fehlerabschätzung sowie eine schnellere Konvergenz mit geringeren Fehlern ermöglicht.