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 artículo presenta un algoritmo QSGS acelerado por GPU y basado en una formulación de paso de tiempo explícito indexado por listas (LIETS) que reduce drásticamente el tiempo de generación de microestructuras porosas 3D de alta resolución, logrando una eficiencia superior y resultados de permeabilidad consistentes con benchmarks experimentales.
Este artículo presenta el Fourier Vision Transformer (Fourier ViT), un método no supervisado que supera a los solucionadores iterativos clásicos y a las redes neuronales convolucionales en la recuperación de fases de imágenes de difracción coherente de Bragg para cristales con dominios múltiples y fuertes distorsiones, logrando una mayor precisión y robustez tanto en datos sintéticos como experimentales.
Este artículo presenta un marco analítico para evaluar integradores de tipo Verlet en la ecuación de Langevin mediante tres medidas de transporte y muestreo, concluyendo que el conjunto de integradores GJ es el más eficaz para simulaciones termodinámicas de alta calidad.
Este artículo presenta HMT-PF, un modelo basado en una arquitectura híbrida de Mamba-Transformer que utiliza un mecanismo de ajuste fino con información física para reducir las discrepancias en la generación de campos espaciotemporales sobre mallas no estructuradas.
Este artículo utiliza el método de reducción de fase para analizar la sincronización de osciladores acoplados mediante el operador Dirac-Bianconi en redes de orden superior, donde las señales topológicas en nodos y enlaces interactúan para generar comportamientos oscilatorios.
Este artículo presenta evortran, una biblioteca moderna en Fortran para algoritmos genéticos de alto rendimiento que ofrece flexibilidad y eficiencia para resolver problemas de optimización en física, demostrando su utilidad mediante aplicaciones en el ajuste de datos del LHC y la reconstrucción de señales de ondas gravitacionales de LISA.
Este artículo evalúa el rendimiento del marco EUCLID para el descubrimiento automático de leyes constitutivas hiperelásticas a partir de datos experimentales de caucho natural, comparándolo con métodos de identificación tradicionales en términos de precisión predictiva, generalización a geometrías no vistas y cobertura del espacio de estados del material.
`diffpy.morph` es un paquete de Python de código abierto diseñado para realizar comparaciones independientes de modelos entre conjuntos de funciones 1D, permitiendo eliminar diferencias irrelevantes mediante transformaciones para revelar cambios científicos significativos en datos espectrales.
Este trabajo presenta un marco de modelado condicional multimodal basado en redes de densidad de mezcla (MDN) que integra leyes físicas mediante regularización para capturar comportamientos complejos y no únicos en sistemas científicos y de ingeniería.
Este trabajo analiza cómo la inconsistencia entre los datos y las ecuaciones diferenciales limita la precisión de las redes neuronales informadas por la física (PINNs), introduciendo el concepto de "barrera de consistencia" para demostrar que el error mínimo alcanzable está determinado por la fidelidad de los datos utilizados.