1258 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.
Este artículo presenta RINO, un marco general para el aprendizaje de operadores que supera las limitaciones de discretización de DeepONet al utilizar representaciones neuronales implícitas (SIRENs) para aprender bases continuas adaptativas, permitiendo así el entrenamiento y la inferencia de operadores con datos de entrada y salida muestreados en ubicaciones y cantidades arbitrarias.
Este artículo propone un método adaptativo basado en procesos gaussianos e ILUES para resolver problemas inversos bayesianos multimodales, generando muestras eficientes de alta calidad para construir un modelo sustituto que aproxime la distribución posterior con un número limitado de simulaciones.
Este artículo presenta un algoritmo novedoso que combina el método de Monte Carlo cuántico de campo auxiliar con el bocetaje de tren tensorial para calcular con alta precisión la energía del estado fundamental de sistemas cuánticos de muchos cuerpos, mejorando la eficiencia del muestreo y controlando el problema de signo mediante la iteración de funciones de prueba optimizadas.
Este artículo presenta un solver robusto y escalable para simulaciones de interacción fluido-estructura con el método de frontera inmersa de fuerza directa, basado en un algoritmo SIMPLE preconcondicionado que garantiza una convergencia independiente de la resolución de la malla y permite simulaciones precisas y estables en plataformas de computación estándar.
Este estudio propone un enfoque basado en redes neuronales informadas por física (PINN) que utiliza datos de carga de trenes y respuestas estructurales para identificar, localizar y cuantificar daños en puentes ferroviarios de celosía de acero mediante un aprendizaje no supervisado que integra las ecuaciones diferenciales del sistema y se valida en el Puente Calumet de Chicago.
Este trabajo introduce y valida las condiciones de contorno características (CBCs) dentro del marco de los métodos de Galerkin discontinuos hibridizables (HDG), demostrando su superioridad para minimizar la reflexión de ondas y vórtices en flujos compresibles en comparación con las condiciones de contorno convencionales.
Este artículo presenta DD-13M, un nuevo conjunto de datos 4D con más de 13 millones de marcos que capturan la dinámica completa de disociación de ligandos y proteínas, y utiliza este recurso para entrenar al modelo generativo UnbindingFlow, permitiendo predecir trayectorias de disociación y constantes de velocidad para nuevos objetivos terapéuticos.
Este estudio presenta modelos de aprendizaje automático escalables que predicen con precisión las propiedades de transporte cuántico en materiales bidimensionales hexagonales desordenados mediante un espacio de características geométrico e interpretable, demostrando la superioridad de la regresión sobre la clasificación en datos internos mientras se destacan las limitaciones actuales en la extrapolación a regímenes no vistos.
Este estudio analiza la estabilidad numérica y el error de velocidad de contorno del método de frontera inmersida de fuerza directa múltiple acelerado, identificando un parámetro crítico para la estabilidad y determinando un parámetro de aceleración óptimo que minimiza el error de la condición de no deslizamiento independientemente de la discretización, la forma del contorno o la dimensionalidad.
Mediante simulaciones de teoría funcional de la densidad dependiente del tiempo, este estudio revela que la incidencia de un láser en el altermagneto g-wave CrSb puede controlar la magnetización neta mediante la inducción de una desmagnetización asimétrica entre subredes, un fenómeno gobernado por la dirección del láser y las estructuras nodales de espín que permiten una transferencia de espín inter-sitio óptica anisotrópica.