919 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 Studie stellt einen neuartigen Ansatz vor, der residualbasierte adaptive Verfeinerung mit kausalitätsbewusstem Training kombiniert, um die Genauigkeit und Effizienz von Physics-informed Neural Networks bei der Simulation komplexer Phasengrenzentwicklungen in der Phasenfeldmodellierung signifikant zu verbessern.
Die Autoren stellen ein universelles Schema vor, das mithilfe eines Reweighting-Annealing-Rahmens die Berechnung allgemeiner Messungen in Quanten-Monte-Carlo-Simulationen ermöglicht und so fundamentale Herausforderungen bei der Untersuchung stark korrelierter Quantenvielteilchensysteme löst.
Diese Arbeit stellt ein einheitliches Rahmenwerk vor, das unendliche Randterme und Paarwechselwirkungen nutzt, um die elektrostatische Energie und den Druck sowohl neutraler als auch nicht-neutraler periodischer Coulomb-Systeme durch den Austausch der Coulomb-Wechselwirkung gegen eine effektive Paarwechselwirkung physikalisch intuitiv herzuleiten.
In dieser Arbeit wird erstmals das nukleare Schiff-Moment des Fluor-Isotops F mittels eines ab-initio-Rechnungsrahmens berechnet und in Kombination mit Quantenchemie-Studien an HfF genutzt, um die erste experimentelle Obergrenze für dieses Moment sowie für die zugehörigen Pion-Nukleon-Kopplungskonstanten zu bestimmen.
Die Autoren stellen einen neuen Realraum-Renormierungsgruppen-Algorithmus für zweidimensionale Tensor-Netzwerke vor, der durch die Nutzung von variationsbasierten Randtensoren als global optimierte Umgebung die Genauigkeit im Vergleich zu bestehenden Methoden steigert, ohne dabei die rechnerische Komplexität des ursprünglichen TRG-Verfahrens zu erhöhen.
Die Studie zeigt, dass aktive Materiesysteme, insbesondere flüssige Tröpfchen, durch nichtlineare Antriebskräfte und die Bildung kohärenter Grenzflächen eine robuste und anpassungsfähige Reservoir-Computing-Leistung erzielen, die unabhängig von der spezifischen Informationsinjektionsmethode ist.
In dieser Arbeit stellen die Autoren NextHAM, ein universelles Deep-Learning-Modell mit E(3)-Symmetrie und Korrekturmechanismus, sowie den umfassenden Datensatz Materials-HAM-SOC vor, um die genaue und effiziente Vorhersage elektronischer Struktur-Hamiltonoperatoren für Materialien zu ermöglichen.
Diese Studie kombiniert numerische Simulationen und experimentelle Analysen, um die mechanische Stabilität verschiedener kommerzieller und modifizierter Intraokularlinsen zu bewerten, wobei das Modell V4 als vielversprechendste geometrische Struktur für verbesserte klinische Ergebnisse identifiziert wurde.
Die Studie stellt einen experimentell validierten Workflow vor, der mithilfe von integrierten Gradienten pixelgenaue Sensitivitätskarten für inverse photonische Designs erstellt, um physikalisch sinnvolle Strukturen zu identifizieren und die Robustheit gegenüber Fertigungsabweichungen zu verbessern.
Diese Studie stellt ein neuartiges, nichtlineares reduziertes Ordnungsmodell vor, das auf der Volterra-Theorie und Oszillatordynamik basiert, um die aeroelastische Wechselwirkung von Stoßwellenbuffet in transsonischen Strömungen effizient und präzise zu simulieren.