physics.comp-ph

ATLAS-NN: Adaptive Transfer Learnable Symplectic-aware Neural Network for Long-Time Hamiltonian Dynamics

Das Paper stellt ATLAS-NN vor, ein adaptives neuronales Netzwerk-Framework, das die Modellierung langfristiger Hamiltonscher Dynamik durch die Einbeziehung eines lernbaren zeitlichen Skalierungsmechanismus und einer zweistufigen Transferlernstrategie verbessert und dabei im Vergleich zu Standard-Hamiltonschen Neuronalen Netzwerken sowie traditionellen symplektischen Integratoren signifikant reduzierte Vorhersagefehler erzielt.

Energetics, shearing and pumping efficiency of propagating contractions over villi-patterned wall

Diese Studie nutzt ein 2D-Modell des Rattenduodenums, um zu demonstrieren, dass die penduläre Wellenmotilität des Darms primär für das Abscheren der Schleimbarriere und nicht für das Pumpen von Flüssigkeitsmassen optimiert ist, wie die geringe Pumpeffizienz sowie die Erkenntnis belegen, dass die viskose Energiedissipation durch die intervillöse Geometrie und nicht durch die dynamische Mischgrenzschicht bestimmt wird.

Stabilizing the parquet problem

Diese Arbeit analysiert die Stabilität iterativer Lösungen der Parquet-Gleichung, indem sie eine neue Quelle des Konvergenzversagens identifiziert, die nicht mit Vertex-Divergenzen zusammenhängt, und schlägt eine kontrollierte Stabilisierungsstrategie vor, die erfolgreich physikalische Lösungen in stark wechselwirkenden Regimen wiederherstellt.

Exploiting the Passive Dynamics of a Compliant Leg to Develop Gait Transitions

Diese Arbeit nutzt ein hybrides dynamisches Systemmodell zur Analyse des Spring-Loaded Inverted Pendulum (SLIP)-Modells, identifiziert Stabilitätsregionen und demonstriert, wie instabile Dynamiken für energiekonstante Gangübergänge ausgenutzt werden können, während durch einfache Steuerungsstrategien mit nicht-konstantem Anströmwinkel eine nahezu universelle Stabilität erreicht wird.

Electron Localization in Non-Compact Covalent Bonds Captured by the r2SCAN+V Approach

Diese Arbeit stellt fest, dass SCAN- und r2SCAN-Funktionale aufgrund verzerrter Beschreibungen der Elektronenlokalisierung bei nicht-kompakten kovalenten Bindungen Schwierigkeiten haben, und schlägt den r2SCAN+V-Ansatz als praktische Lösung vor, die die Genauigkeit bei anspruchsvollen Materialien wie Graphen, Fe, Cr₂ und VO₂ signifikant verbessert.

Electrically tunable spin qubits in strain-engineered graphene p-n junctions

Diese Arbeit schlägt eine skalierbare Spin-Qubit-Architektur in reinen Graphen-p-n-Übergängen vor und simuliert diese, wobei durch Dehnung induzierte Nanobubbles abstimmbare Doppel-Quantenpunkte erzeugen, die eine kohärente Spin-Manipulation mittels Rashba-Spin-Bahn-Kopplung und Zeeman-Feldern ermöglichen, wie durch ausgeprägte avoided Crossings und detuning-abhängige Rabi-Oszillationen nachgewiesen wird.

From Local Training to Large-Scale Mapping: A Comparative Assessment of Machine Learning and Deep Learning for Transferable Satellite-Derived Bathymetry

TransportBench: A Comprehensive Benchmark for Non-Equilibrium Flow Transport

Dieses Paper führt TransportBench ein, einen umfassenden, hochpräzisen Datensatz und einen standardisierten Benchmark, der zur Evaluierung und Diagnose von Scientific-Machine-Learning-Modellen über verschiedene Nichtgleichgewichtsströmungsregime hinweg entwickelt wurde, wobei aufgezeigt wird, dass keine einzelne neuronale Architektur universell andere übertrifft und dass für unterschiedliche Strömungseigenschaften spezifische induktive Biases erforderlich sind.

Will Accurate Fields Mislead Photonic Design? FromGlobal Accuracy to Port Readout

Dieses Paper stellt PaNO vor, einen propagations-ausgerichteten Neural Operator, der die Treue der Ausgangsport-Auslesung gegenüber der globalen Feldgenauigkeit priorisiert, um zu verhindern, dass neuronale Feld-Surrogate das Design photonischer Bauelemente, insbesondere bei propagationsdominierten Strukturen wie MMI-Splittern, fehlleiten.

A variable-coefficient model for decay of isotropic turbulence capturing effects of finite cascade time and Reynolds number

Dieses Papier schlägt ein Modell mit variablerem Koeffizienten $C_{\epsilon2}$ für das $k$-$\epsilon$-Turbulenzmodell vor, das die endliche Kaskadenzeit und Reynolds-Zahl-Effekte berücksichtigt und dadurch den Zerfall und das Wachstum isotroper Turbulenz in verschiedenen Strömungsszenarien präzise erfasst.