🔬 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.

Virtual ultrasound machine operating in a GHz to MHz frequency range for particle-based biomedical simulations

Die Studie stellt eine neuartige, partikelbasierte virtuelle Ultraschallmaschine vor, die mittels einer modifizierten Smoothed Dissipative Particle Dynamics-Methode mit implizitem Drucklöser und negativer Druckstabilisierung die effiziente Simulation von Ultraschall-Materie-Wechselwirkungen im MHz- bis GHz-Bereich ermöglicht, wie am Beispiel der Akustophorese von Mikrobblasen für die medikamentöse Therapie demonstriert wird.

Urban Čoko, Tilen Potisk, Matej Praprotnik2026-02-18🔬 cond-mat.mes-hall

Bayesian inference of high-purity germanium detector impurities based on capacitance measurements and machine-learning accelerated capacitance calculations

Die Studie präsentiert eine neuartige Methode zur bayesschen Inferenz der radialen Verunreinigungsdichte in hochreinen Germanium-Detektoren, die capacitance-Messungen mit einem maschinell gelernten Ersatzmodell kombiniert, das auf GPU-beschleunigten Berechnungen mit SolidStateDetectors.jl, Flux.jl und BAT.jl basiert.

Iris Abt, Christopher Gooch, Felix Hagemann, Lukas Hauertmann, Xiang Liu, Oliver Schulz, Martin Schuster2026-02-17🔬 physics

A Resolution Independent Neural Operator

Die Arbeit stellt RINO vor, eine verallgemeinerte Architektur für Operator-Lernen, die mittels adaptiver, auf impliziten neuronalen Repräsentationen basierender Basisfunktionen die Einschränkung des DeepONet auf identische Diskretisierungspunkte überwindet und somit das Lernen von Operatoren zwischen beliebig abgetasteten Eingabe- und Ausgabefunktionen ermöglicht.

Bahador Bahmani, Somdatta Goswami, Ioannis G. Kevrekidis, Michael D. Shields2026-02-17📊 stat

Physics-Informed Neural Network based Damage Identification for Truss Railroad Bridges

Diese Studie stellt einen überwachten, physikinformierten neuronalen Netzwerk-Ansatz vor, der mithilfe von Zuglast- und Brückenreaktionsdaten sowie einer RNN-Architektur mit Runge-Kutta-Integration Schäden in Stahl-Fachwerk-Eisenbahnbrücken identifiziert, lokalisiert und quantifiziert, ohne auf große gelabelte Datensätze angewiesen zu sein.

Althaf Shajihan, Kirill Mechitov, Girish Chowdhary, Billie F. Spencer2026-02-17🤖 cs.AI

Quantum Algorithm Framework for Phase-Contrast Transmission Electron Microscopy Image Simulation

Die Arbeit stellt einen fehlertoleranten Quantenalgorithmus vor, der die Bildentstehung in der Phasenkontrast-Transmissionselektronenmikroskopie simuliert und zwar für Fourier-Raum-Abfragen und globale Statistiken einen Quantenvorteil bietet, auch wenn die vollständige Bildrekonstruktion aufgrund des hohen Messaufwands weiterhin klassisch bleibt.

Sean D. Lam, Roberto dos Reis2026-02-17🔬 cond-mat.mtrl-sci

Data-Efficient Machine learning for Predicting Dopant Formation Energies in TiO2_2 Monolayer

Diese Studie demonstriert, dass durch die Kombination von Dichtefunktionaltheorie-Rechnungen mit physikalisch fundierten Deskriptoren auch mit kleinen, gut kuratierten Datensätzen präzise und chemisch übertragbare maschinelle Lernmodelle zur Vorhersage der Bildungsenergien dotierter TiO₂-Monolagen entwickelt werden können.

Kati Asikainen, Matti Alatalo, Marko Huttula, Assa Aravindh Sasikala Devi2026-02-17🔬 cond-mat.mtrl-sci