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 utiliza un enfoque computacional integrado con aprendizaje automático para demostrar cómo el nivel de oxidación del grafeno altera la estructura del agua interfacial, proporcionando una huella espectroscópica precisa que permite identificar el grado de oxidación mediante cambios en las bandas de vibración del agua.
Este estudio propone un enfoque de aprendizaje activo para mejorar la predicción de la entalpía de mezcla en líquidos binarios, identificando y simulando mediante dinámica molecular *ab initio* nuevos datos para aleaciones con elementos refractarios.
Este artículo propone un método para construir potenciales vectoriales para campos armónicos tangentes a la frontera en dominios con túneles, utilizando curvas de la homología de cadenas de dimensión 1 y problemas de *curl-curl* con condiciones de contorno inhomogéneas.
Este artículo presenta un enfoque de dinámica cuántica-clásica informada por datos (DIQCD) que utiliza una ecuación de Lindblad con un Hamiltoniano optimizable para predecir con precisión la evolución de sistemas cuánticos abiertos a partir de datos dispersos y ruidosos, demostrando su eficacia tanto en moléculas ultrafrías como en semiconductores orgánicos.
Este artículo presenta métodos de elementos espectrales discontinuos de orden arbitrario para las ecuaciones de aguas poco profundas en una esfera, los cuales garantizan la conservación de masa y energía, el equilibrio de fuerzas ante topografías variables y la estabilidad entrópica mediante una formulación covariante que evita la necesidad de aproximar los términos métricos.
Este trabajo explora la aplicación de métodos de redes de tensores, inspirados en la mecánica cuántica, para optimizar procesos de compresión de imágenes y problemas de óptica clásica, como la propagación de frentes de onda y la formación de imágenes.
Este estudio utiliza simulaciones de dinámica molecular mediante el método de siembra (*seeding method*) para demostrar que la teoría clásica de nucleación predice con precisión el radio de los cúmulos estables en sistemas pequeños de condensación de Lennard-Jones.
Este artículo presenta un método de Monte Carlo de simulación directa (DSMC) para la ecuación de Landau multiespecie, el cual es escalable, no requiere malla y permite simular con precisión relaciones de masa realistas, como la de protón-electrón.
Este trabajo desarrolla y evalúa cuatro potenciales interatómicos aprendidos mediante aprendizaje automático (ACE, MACE, GAP y tabGAP) para simular con precisión de DFT la estructura y los defectos por radiación en el superconductor YBCO, facilitando el estudio de su comportamiento en reactores de fusión.
Este trabajo propone un marco de aprendizaje basado en Redes Kolmogorov-Arnold (KAN) y el método de nivel de conjunto (*level-set*) para resolver problemas de frontera móvil, demostrando que es una alternativa compacta y eficiente para aproximar campos de temperatura y la dinámica de interfaces mediante la integración de leyes físicas.