1259 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 estudio investiga cómo diferentes esquemas numéricos y parámetros de malla afectan la resolución de ondas de choque en flujos supersónicos invíscidos bidimensionales, identificando perturbaciones no físicas y demostrando que ciertas formulaciones AUSM+ son más robustas para mitigarlas y lograr una concordancia precisa con resultados experimentales.
Este trabajo estudia tres técnicas de reconstrucción de gradientes aplicadas a flujos viscosos en mallas no estructuradas, demostrando que las formulaciones más sofisticadas evitan inestabilidades numéricas y logran una excelente concordancia con datos experimentales, mientras que una nueva técnica de aceleración de convergencia permite alcanzar rápidamente el estado estacionario.
Este estudio evalúa tres formulaciones de limitadores (Venkatakrishnan original, la modificación de Wang y el limitador R3 de Nishikawa) en esquemas de volumen finito de segundo orden para flujos turbulentos en mallas no estructuradas, demostrando que, con constantes de control adecuadas, todos producen resultados comparables y precisos para un perfil aerodinámico NACA 0012 en régimen transónico.
El paquete de código abierto \texttt{aurel} es una herramienta de Python diseñada para calcular automáticamente cantidades relativistas mediante métodos simbólicos y numéricos, facilitando el análisis de datos de simulaciones de Relatividad Numérica.
Este artículo presenta un marco estocástico basado en ecuaciones diferenciales estocásticas y simulación Monte Carlo para modelar la dinámica de baja población en reactores de combustible circulante bajo la aproximación de mezcla perfecta, validando sus promedios frente a soluciones deterministas y revelando sesgos en la estimación de varianzas y pérdidas de reactividad.
Este trabajo demuestra por primera vez que las Redes Neuronales Informadas por la Física (PINNs) pueden resolver con alta precisión el problema de Schrödinger para el estado fundamental del deuterón, logrando un error relativo de frente a métodos numéricos establecidos y abriendo así el camino para su aplicación en núcleos atómicos más complejos.
El estudio demuestra que para simular con precisión tanto las regiones laminares como turbulentas sobre un ala mediante WMLES, es necesario combinar una malla adaptada al espesor de la capa límite con la introducción de perturbaciones inestables aguas arriba, ya que las estrategias de malla convencionales no logran resolver simultáneamente ambos regímenes.
Este trabajo propone y evalúa modelos de orden reducido no intrusivos adaptativos que actualizan en línea tanto el subespacio latente como la dinámica reducida, demostrando mediante simulaciones de flujo que estas estrategias superan a los modelos estáticos al mantener la estabilidad y precisión energética frente a cambios de régimen, estableciendo además un marco transparente para el desglose de costes computacionales y la gestión de consultas al modelo de orden completo.
Este estudio utiliza simulaciones de dinámica molecular para analizar las etapas intermedias de fluctuación y correlación que preceden al equilibrio térmico entre dos cuerpos en contacto, complementando la descripción final establecida por la Ley Cero de la Termodinámica.
Este trabajo presenta ArGEnT, un marco de aprendizaje de operadores basado en transformadores que codifica geometrías arbitrarias directamente desde nubes de puntos, logrando una mayor precisión y generalización que los métodos existentes en la modelización de sistemas físicos complejos sin necesidad de parametrización explícita.