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 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.
Este artículo presenta un nuevo enfoque de interpolación mediante mallas dispersas (*sparse grids*) multinivel y equilibradas de ruido para construir modelos sustitutos (*surrogates*) de forma dinámica, permitiendo acoplar simulaciones de Monte Carlo de alta fidelidad con modelos de continuo de manera eficiente y controlada en aplicaciones de catálisis heterogénea.
Este estudio analiza el entrenamiento de las redes neuronales informadas por la física (PINNs) desde la perspectiva del aprendizaje estadístico, reformulando la penalización física como una fuente de datos indirectos y empleando la teoría del aprendizaje singular para estudiar su capacidad de extrapolación y la cuantificación de su incertidumbre.
Este artículo presenta y analiza un método variacional de seguimiento de interfaces para modelar flujos multifásicos con uniones triples, utilizando una formulación híbrida (paramétrica-Euleriana) y un método de elementos finitos no adaptado que garantiza estabilidad energética y preservación de volumen.
Este artículo propone un marco de trabajo basado en un enfoque variacional energético para aprender leyes físicas disipativas a partir de datos continuos o discretos, ofreciendo un método robusto y escalable para la identificación de sistemas complejos.
Este estudio utiliza la teoría de respuesta para investigar la dinámica y separación de carga electrónica, demostrando que la respuesta cuadrática es más eficaz que la lineal para describir estos procesos al compararla con resultados de propagación temporal exacta.
Este artículo presenta un método computacional eficiente y escalable que combina operadores de producto de matrices con Monte Carlo variacional dependiente del tiempo para simular sistemas cuánticos abiertos con interacciones de largo alcance en una y dos dimensiones.
Este estudio mediante cálculos de la teoría del funcional de la densidad (DFT) investiga las propiedades termodinámicas, ópticas, mecánicas y de almacenamiento de hidrógeno de los hidruros (), concluyendo que el es el candidato más prometedor debido a su mayor capacidad de almacenamiento de hidrógeno.
UniPhy propone un modelo fundacional para el modelado climático planetario que utiliza ecuaciones diferenciales estocásticas no hermitianas, transformaciones geométricas de Clifford y operadores biorthogonales para capturar la dinámica continua y termodinámica de la atmósfera con alta eficiencia computacional.
Este trabajo presenta un modelo completo de campo de fase para la fractura de materiales frágiles bajo choques térmicos, permitiendo unificar y predecir con precisión diversos escenarios de fractura, desde la propagación de grietas existentes hasta la nucleación de nuevas, al tratar de forma independiente las propiedades mecánicas, la resistencia y la tenacidad del material.