🔬 Category

physics.comp-ph

922 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.

Arbitrary Lagrangian--Eulerian finite element method for lipid membranes

Diese Arbeit stellt eine neue Arbitrary Lagrangian–Eulerian Finite-Elemente-Methode für gekrümmte und deformierende Lipidmembranen vor, bei der die In-plane-Bewegung des Gitters unabhängig vom Lipidfluss durch eine benutzerdefinierte Materialdynamik gesteuert wird, während eine Lagrange-Multiplikatoren-Methode die Überlappung von Gitter und Material sicherstellt und numerische Instabilitäten durch Projektion auf einen diskontinuierlichen Raum behoben werden.

Amaresh Sahu2026-02-24🔬 cond-mat

Multi-stream physics hybrid networks for solving Navier-Stokes equations

Die Autoren stellen ein Multi-Stream-Physics-Hybrid-Netzwerk vor, das parallele Quanten- und klassische Schichten nutzt, um die Navier-Stokes-Gleichungen für das Kovasznay-Strömungsproblem mit höherer Genauigkeit und geringerer Parameteranzahl zu lösen als rein klassische Modelle.

Aleksandr Sedykh, Tatjana Protasevich, Mikhail Surmach, Arsenii Senokosov, Matvei Anoshin, Asel Sagingalieva, Alexey Melnikov2026-02-24⚛️ quant-ph

FlexPINN: Modeling Fluid Dynamics and Mass Transfer in 3D Micromixer Geometries Using a Flexible Physics-Informed Neural Network

Diese Studie stellt FlexPINN, eine modifizierte physik-informierte neuronale Netzarchitektur, vor, die zur effizienten und präzisen Simulation von Strömungsdynamik und Massentransfer in komplexen 3D-Mikromischern mit verschiedenen Flossenkonfigurationen verwendet wird und dabei Ergebnisse erzielt, die mit herkömmlichen CFD-Simulationen vergleichbar sind.

Meraj Hassanzadeh, Ehsan Ghaderi, Mohamad Ali Bijarchi2026-02-24🔬 physics

Full ab initio atomistic approach for morphology prediction of hetero-integrated crystals: A confrontation with experiments

Die Autoren stellen eine umfassende ab-initio-Methode vor, die auf Dichtefunktionaltheorie basiert, um die Gleichgewichtsform von heterogen integrierten Kristallen vorherzusagen, wobei die berechneten Morphologien von auf Silizium gewachsenen GaP-Kristallen gut mit experimentellen TEM-Ergebnissen übereinstimmen.

Sreejith Pallikkara Chandrasekharan, Sofia Apergi, Chen Wei, Federico Panciera, Laurent Travers, Gilles Patriarche, Jean-Christophe Harmand, Laurent Pedesseau, Charles Cornet2026-02-24🔬 physics.app-ph

Scale-PINN: Learning Efficient Physics-Informed Neural Networks Through Sequential Correction

Die Studie stellt Scale-PINN vor, einen neuen Lernansatz, der das iterative Residuen-Korrekturprinzip numerischer Löser in den Verlust von Physics-Informed Neural Networks integriert, um die Trainingszeit drastisch zu verkürzen und gleichzeitig die Genauigkeit für komplexe physikalische Probleme zu steigern.

Pao-Hsiung Chiu, Jian Cheng Wong, Chin Chun Ooi, Chang Wei, Yuchen Fan, Yew-Soon Ong2026-02-24🤖 cs.LG

Basis Function Dependence of Estimation Precision for Synchrotron-Radiation-Based Mössbauer Spectroscopy

Diese Arbeit stellt eine Methode zur bayesschen Schätzung vor, die es ermöglicht, das Messfenster der synchrotronstrahlungsbasierten Mößbauer-Spektroskopie zu optimieren und so die Präzision der Bestimmung von Mößbauer-Zentrenverschiebungen im Vergleich zur herkömmlichen Lorentz-Funktion um mehr als das Dreifache zu verbessern.

Binsheu Shieh, Ryo Masuda, Satoshi Tsutsui, Shun Katakami, Kenji Nagata, Masaichiro Mizumaki, Masato Okada2026-02-23🔬 cond-mat.mtrl-sci