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.
Das Papier schlägt das Pseudo Physics-Informed Neural Operator (PPI-NO) Framework vor, welches das datenarme Operator-Learning durch die iterative Kopplung von neuronalen Operatoren mit einem aus rudimentären Prinzipien abgeleiteten Ersatzphysiksystem verbessert und dadurch die Vorhersagegenauigkeit signifikant steigert, ohne dass die Kenntnis der zugrunde liegenden physikalischen Gesetze erforderlich ist.
Dieses Paper stellt XtalOpt Version 14 vor, einen verbesserten evolutionären Multi-Objective-Algorithmus, der Pareto-Optimierung nutzt und verschiedene computergestützte Potentiale integriert, um effizient Grundzustands-Kristallstrukturen mit variablen Zusammensetzungen für funktionale Materialien vorherzusagen.
Diese Arbeit führt einen auf einem vollständig konvolutionalen neuronalen Netzwerk (FCNN) basierenden nicht-lokalen Abschluss für den Elektronendrucktensor in turbulenten Magnetosheath-Simulationen ein und zeigt auf, dass dieser die Rekonstruktion von Energiekanälen und Druck-Dehnungs-Wechselwirkungen im Vergleich zu lokalen Abschlüssen signifikant verbessert, während er gleichzeitig eine günstige Skalierung mit zunehmenden Trainingsdaten aufweist.
Diese Arbeit präsentiert die erfolgreiche Portierung des TRIMEG-Gyroneutronen-Plasmasimulationscodes auf GPU-Architekturen unter Verwendung der portablen OpenMP-API, wobei signifikante Beschleunigungen und verifizierte physikalische Genauigkeit durch hybride MPI-OpenMP-Parallelisierung und Simulationen des Ionen-Temperaturgradienten-Modus nachgewiesen werden.
Diese Arbeit schlägt ein neues implizites numerisches Verfahren in Euler-Variablen vor, um eindimensionale kalte Plasma-Gleichungen mit dichteabhängigen Kollisionskoeffizienten zu lösen, wodurch die mit dem Verlust der Hyperbolizität verbundenen rechnerischen Herausforderungen effektiv überwunden und die theoretischen Vorhersagen bezüglich der Glattheit der Lösung bestätigt werden.
Diese Arbeit stellt ein auf Tensornetzwerken basierendes Framework zur Konstruktion „tensorisierter“ Orbitale vor, welche die rechnerischen Einschränkungen traditioneller Basissätze überwinden und somit präzisere sowie kompaktere Repräsentationen ermöglichen, die Energiefehler in quantenchemischen Berechnungen signifikant reduzieren.
Dieses Paper stellt MITONet vor, einen neuartigen Neural-Operator-Emulator, der eine Echtzeit-Vorhersage mit hoher Genauigkeit komplexer küstennaher und flussbedingter Flachwasser-Dynamiken bei signifikanten Beschleunigungen (100x–1.250x) sowie eine robuste Generalisierung auf ungesehene Bedingungen und Parameter erreicht.
Diese Arbeit führt ein thermodynamisch konsistentes Adsorptionsschicht-Framework ein, das Grenzflächenreibung, viskose Spannungen und Adsorptionsdynamik koppelt, um die Schlupflänge als eine emergente, geometrieabhängige Eigenschaft zu erklären, wodurch Diskrepanzen klassischer Modelle bezüglich des Wassergleitens in Kohlenstoffnanoröhren und der Strömung nahe beweglicher Kontaktlinien erfolgreich aufgelöst werden.
Dieses Paper präsentiert zwei neuartige, hochpräzise und skalierbare spektrale Poisson-Solver, die im NIRVANA-III-Code implementiert wurden und vertikale Vakuumrandbedingungen innerhalb des Shearing-Box-Frameworks effizient handhaben, wodurch hochauflösende lokale Studien selbstgravitierender astrophysikalischer Fluide ermöglicht werden.
Diese Arbeit bietet einen umfassenden Überblick über das Variationelle Quantencomputing für die Quantensimulation, indem sie dessen grundlegende Prinzipien, hybride Quanten-Klassik-Implementierungen sowie kritische Herausforderungen wie Trainierbarkeit und Rauschen innerhalb der NISQ-Ära detailliert darstellt, während sie gleichzeitig die besondere Rolle von Quantendaten für den Fortschritt des Fachgebiets hervorhebt.