Der Bereich Plasmaphysik untersucht den vierten Aggregatzustand der Materie, bei dem Atome so stark erregt werden, dass sie sich in ein ionisiertes Gas verwandeln. Dieser faszinierende Zustand durchdringt weite Teile des Universums, von den inneren Schichten der Sterne bis hin zu künstlichen Fusionsreaktoren auf der Erde. Auf dieser Seite erhalten Sie einen direkten Einblick in die neuesten Forschungsergebnisse, die diese komplexen Prozesse entschlüsseln.

Alle hier vorgestellten Arbeiten stammen direkt von arXiv, dem führenden Preprint-Server für die Physik. Das Team von Gist.Science bearbeitet jeden neuen Eintrag in dieser Kategorie sorgfältig und erstellt sowohl verständliche Zusammenfassungen für ein breites Publikum als auch detaillierte technische Auswertungen für Fachleute. So bleibt die wissenschaftliche Exaktheit erhalten, während die Hürde zum Verständnis gesenkt wird.

Unten finden Sie die aktuellsten Veröffentlichungen zur Plasmaphysik, die wir für Sie vorbereitet haben.

Attosecond Nonlinear Quantum Electrodynamics in Laser-Driven Plasmas via Two-Photon Synchrotron Emission

Die Studie zeigt, dass lasergetriebene Plasmen durch die Erzeugung von relativistischen Elektronenbündeln und deren anschließende Zwei-Photonen-Synchrotronstrahlung ein vielversprechendes, externes Teilchenstrahlen-freies Framework für die Untersuchung nichtlinearer Quantenelektrodynamik und verschränkter Photonenpaare auf Attosekunden-Zeitskalen bieten.

Vedin Dewan, Aleksei M. Zheltikov, Julia M. Mikhailova2026-04-23🔬 physics

Generation and Enhancement of Persistent Nanoscale Magnetization in All-Dielectric Metasurfaces by Optically Injected and Localized Free Carriers

Diese Studie demonstriert, dass durch optisch injizierte und lokalisierte freie Ladungsträger in dielektrischen Metasurfaces zeitliche Grenzflächen erzeugt werden können, die nicht nur die Frequenz von geführten Wellen verschieben, sondern auch persistente, nanoskalige Magnetisierung durch zurückbleibende Zirkulationsströme erzeugen.

Shivaksh Rawat, Samyobrata Mukherjee, Gennady Shvets2026-04-22🔬 physics.app-ph

Deep-Learning based surrogate models for plasma exhaust simulations -- SOLPS-NN

Die Studie stellt SOLPS-NN vor, einen auf tiefen neuronalen Netzen basierenden Surrogatmodell-Ansatz, der komplexe SOLPS-ITER-Plasma-Abfluss-Simulationen durch schnelle und genaue Vorhersagen ersetzt und dabei zeigt, dass einfache vollvernetzte Architekturen sowie getrennte Modelle für verschiedene Observablen besonders effektiv sind.

Stefan Dasbach, Sebastijan Brezinsek, Yunfeng Liang, Dirk Reiser, Sven Wiesen2026-04-22🔬 physics

Ion wake-mediated dust interactions under PK-4 conditions: a generalized and compact potential formulation

Diese Arbeit stellt ein robustes und allgemeingültiges Potentialmodell für Staub- und Ionenwake-Systeme unter PK-4-Bedingungen vor, das mithilfe weniger aus Molekulardynamiksimulationen gewonnener Koeffizienten die Potentialverteilungen für verschiedene Teilchenabstände präzise beschreibt und somit über die bisher üblichen, auf spezifische Konfigurationen beschränkten Modelle hinausgeht.

Diana Jimenez Marti, Benny Rodriguez Saenz, Peter Hartmann, Evdokiya Kostadinova, Truell Hyde, Lorin Swint Matthews2026-04-22🔬 physics

Periodic Korteweg-de Vries soliton potentials generate quasisymmetric magnetic fields

Diese Arbeit zeigt, dass periodische Solitonenpotentiale der Korteweg-de-Vries-Gleichung eine tiefe Verbindung zu quasisymmetrischen Magnetfeldern in Fusionsplasmen aufweisen, was durch eine nicht-störungstheoretische Herleitung und maschinelles Lernen bestätigt wird und neue Wege für effizientere Stellarator-Optimierungen sowie Divertor-Konzepte eröffnet.

W. Sengupta, N. Nikulsin, S. Buller, R. Madan, E. J. Paul, R. Nies, A. A. Kaptanoglu, S. R. Hudson, A. Bhattacharjee2026-04-21🔬 physics

TGLF-WINN: Data-Efficient Deep Learning Surrogate for Turbulent Transport Modeling in Fusion

Die Studie stellt TGLF-WINN vor, einen dateneffizienten Deep-Learning-Surrogat für die turbulente Transportmodellierung in Fusionsreaktoren, der durch physikbasierte Regularisierung und Bayesian Active Learning die Trainingsdatenanforderungen drastisch reduziert und dabei eine 45-fache Beschleunigung gegenüber dem TGLF-Modell bei vergleichbarer Genauigkeit ermöglicht.

Yadi Cao, Futian Zhang, Wesley Liu, Tom Neiser, Orso Meneghini, Lawson Fuller, Sterling Smith, Raffi Nazikian, Brian Sammuli, Rose Yu2026-04-21🔬 physics

Learning time-dependent and integro-differential collision operators from plasma phase space data using differentiable simulators

Diese Arbeit stellt eine Methode vor, die differentierbare Simulatoren nutzt, um aus Plasmaphasenraumdaten zeitabhängige und integro-differentialer Kollisionsoperatoren zu lernen, die die Dynamik von Plasmen fern vom Gleichgewicht genauer wiedergeben als herkömmliche Schätzungen auf Basis von Teilchenspurstatistiken.

Diogo D. Carvalho, Luis O. Silva, E. Paulo Alves2026-04-21🔬 physics

Thermal Effects on Buneman Instability: A Vlasov-Poisson Study

Diese Vlasov-Poisson-Studie zeigt, dass die maximale Wachstumsrate der Buneman-Instabilität trotz signifikanter Abweichungen von Fluidmodellen im Wesentlichen unabhängig vom Temperaturverhältnis ist und dass die Amplitude der Ionendichteinhomogenität den Energieübertrag vom Elektronenstrahl auf das Plasma kontrolliert, wobei dieser Übergang vom kalten zum warmen Plasma durch eine verringerte Erzeugung von Seitenbändern zu einer geringeren Effizienz führt.

Chingangbam Amudon, Sanjeev Kumar Pandey, Rajaraman Ganesh2026-04-21🔬 physics