🔬 Category

physics.comp-ph

886 artículos

La física computacional utiliza la potencia de los ordenadores para resolver problemas complejos que las fórmulas tradicionales no pueden abordar por sí solas. Desde simular colisiones de galaxias hasta modelar el comportamiento de nuevos materiales, este campo actúa como un puente esencial entre la teoría abstracta y la realidad observable, permitiendo a los científicos realizar experimentos virtuales que serían imposibles o demasiado costosos en un laboratorio físico.

En Gist.Science, rastreamos meticulosamente todas las nuevas publicaciones de este ámbito que llegan desde arXiv, la principal plataforma de prepublicaciones científicas. Nuestro equipo procesa cada documento para ofrecer dos perspectivas: un resumen en lenguaje sencillo para cualquier lector curioso y una explicación técnica detallada para expertos que buscan profundidad. A continuación, encontrará las investigaciones más recientes en física computacional que hemos analizado.

Color-gradient lattice Boltzmann modeling of wetting boundary condition on curved solid boundaries

Este artículo introduce una condición de contorno de mojabilidad para superficies sólidas curvas en el método de lattice Boltzmann de gradiente de color mediante la actualización de los parámetros de orden en nodos fantasma, un esquema validado en hardware GPU para manejar eficazmente grandes contrastes de densidad y viscosidad mientras minimiza las corrientes espurias y reproduce con precisión tanto los comportamientos de la línea de contacto estática como los dinámicos.

Malyadeep Bhattacharya, Snigdhadyut Dash, Maneesh Sutar, Ravinder Jajoria, Nimalan Mahadevan, Amol Subhedar2026-06-01🔬 physics

Spectral Reach: Understanding Neural Scaling as Progress into the Spectral Tail

Este artículo introduce la "posición espectral" para demostrar que los modelos neuronales más grandes logran un rendimiento superior al extender su capacidad de aprendizaje hacia la cola espectral del kernel de tangente neuronal empírico, una capacidad habilitada por el aprendizaje de características que amplifica adaptativamente los gradientes para acceder a señales débiles inaccesibles para modelos más pequeños.

Konstantin Nikolaou, Jonas Scheunemann, Sven Krippendorf, Samuel Tovey, Christian Holm2026-06-01🔬 physics

Resource-aware Research on Universe and Matter: Call-to-Action in Digital Transformation

Basándose en un taller de mayo de 2023, este artículo aboga por una investigación consciente de los recursos en los campos del Universo y la Materia, delineando un portafolio de medidas de transformación digital diseñadas para avanzar simultáneamente el progreso científico y mitigar el cambio climático mediante una reducción de la dependencia de los combustibles fósiles.

Ben Bruers, Marilyn Cruces, Markus Demleitner, Guenter Duckeck, Michael Düren, Niclas Eich, Torsten Enßlin, Johannes Erdmann, Martin Erdmann, Peter Fackeldey, Christian Felder, Benjamin Fischer, Stefa (…)2026-05-29🔬 cond-mat.mtrl-sci

Mechanisms and Stability of Li Dynamics in Amorphous Li-Ti-P-S-Based Mixed Ionic-Electronic Conductors: A Machine Learning Molecular Dynamics Study

Este estudio emplea campos de fuerza basados en aprendizaje automático para realizar simulaciones de dinámica molecular a gran escala, revelando que el transporte óptimo de iones de litio y la estabilidad de los canales en electrolitos de sulfuro de litio y fósforo dopados con titanio amorfo se producen a concentraciones de titanio del 10% y del 20% mediante difusión por volumen libre facilitada por poliedros de Li-S desordenados.

Selva Chandrasekaran Selvaraj, Daiwei Wang, Donghai Wang, Anh T. Ngo2026-05-29🔬 cond-mat.mtrl-sci

Run-and-Tumble Escape in Pursuit-Evasion Dynamics of Intelligent Active Particles

Este artículo investiga la dinámica de persecución y evasión entre un perseguidor determinista y autoguiado y un evasor estocástico y cognitivo en dos dimensiones, revelando que el tiempo de captura del evasor está significativamente influenciado por si adopta una maniobra hacia atrás de alto riesgo o una estrategia de giro hacia adelante con ajustes continuos dependiendo de la dominancia del perseguidor.

Segun Goh, Dennis Haustein, Gerhard Gompper2026-05-29🔬 cond-mat

Electron-phonon coupling in magnetic materials using the local spin density approximation

Este artículo presenta una extensión del paquete EPW para calcular el acoplamiento electrón-fonón en materiales magnéticos utilizando la aproximación de la densidad de espín local, revelando mediante validación en hierro y níquel ferromagnéticos que la dispersión electrón-fonón es el mecanismo dominante de resistividad en el hierro pero representa menos de un tercio de la resistividad en el níquel.

Á. A. Carrasco Álvarez, M. Giantomassi, J. Lihm, G. E. Allemand, M. Mignolet, M. Verstraete, S. Poncé2026-05-29🔬 cond-mat.mtrl-sci

MiAD: Mirage Atom Diffusion for De Novo Crystal Generation

Este artículo presenta MiAD, un modelo de difusión conjunto equivariante que utiliza una técnica novedosa de "infusión de espejismo" para alterar dinámicamente el número de átomos durante la generación, mejorando así significativamente el descubrimiento de materiales cristalinos estables, únicos y novedosos en comparación con los enfoques más avanzados existentes.

Andrey Okhotin, Maksim Nakhodnov, Nikita Kazeev, Mikhail Lazarev, Andrey E Ustyuzhanin, Dmitry Vetrov2026-05-29🔬 cond-mat.mtrl-sci

The Hamilton-Jacobi Theory of Deep Learning

Este artículo establece una correspondencia matemática exacta entre el entrenamiento del aprendizaje profundo y los problemas de valor inicial de Hamilton-Jacobi, unificando las arquitecturas de redes neuronales, el álgebra tropical, las EDP viscosas y la optimización convexa bajo un único parámetro de deformación para derivar conocimientos teóricos precisos sobre la generalización, la robustez y la atribución.

Jose Marie Antonio Miñoza, Erika Fille T. Legara, Christopher P. Monterola2026-05-29🤖 cs.LG

A Variational Quantum Algorithm for Nonlinear Finite Element Analysis of Hyperelastic Materials

Este artículo propone un algoritmo variacional híbrido cuántico-clásico que utiliza aproximaciones polinómicas de la densidad de energía de deformación para resolver problemas de elementos finitos no lineales para materiales hiperelásticos en dispositivos cuánticos de corto plazo, demostrando su viabilidad mediante experimentos numéricos en un modelo neo-Hookeano unidimensional.

Uditnarayan Kouskiya, Caglar Oskay2026-05-29⚛️ quant-ph