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.
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.
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.
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.
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.
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.
Este artículo presenta WF-Bench, un conjunto de datos y un protocolo de evaluación exhaustivos que evalúan la expresividad de la función de onda de redes neuronales en diversos sistemas cuánticos de muchos cuerpos, revelando leyes de escalado empíricas y estableciendo un marco unificado para comparar arquitecturas como Psiformer y Ferminet.
Este artículo revela una relación de ley de potencia en gran medida independiente del sistema entre la fuerza de acoplamiento necesaria para desencadenar eventos extremos en sistemas dinámicos en red y las propiedades topológicas o espectrales de sus estructuras de acoplamiento.
Este trabajo presenta un marco sinérgico que combina simulaciones de grano grueso, reología experimental y aprendizaje automático para mapear eficientemente el espacio de diseño de fluidos de materia blanda basados en ADN, permitiendo el descubrimiento racional y acelerado de materiales con propiedades reológicas volumétricas a medida.
Este artículo demuestra que la información sintáctica y semántica en el LLM DeepSeek-V3 está codificada parcialmente de forma lineal y distribuida de manera diferencial a través de las capas, como lo evidencia la capacidad de desacoplar estas señales mediante la resta de los centroides de representación promediados.
GenSBI es una nueva biblioteca de código abierto para JAX que implementa flow matching, score matching y modelos de difusión con eliminación de ruido con arquitecturas basadas en transformers para proporcionar un marco nativo de inferencia basada en simulación de extremo a extremo para investigadores que utilizan JAX, logrando alta precisión y posteriors bien calibrados en los estándares de referencia.