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 propone un nuevo método de espacio-tiempo monolítico basado en un marco multinivel de tensor-train (TT) para resolver ecuaciones diferenciales parciales no lineales, el cual supera las limitaciones de convergencia de los métodos tradicionales mediante una estrategia de refinamiento de resolución que garantiza mayor robustez y eficiencia computacional en diversos escenarios dinámicos.
Presentamos *dewi-kadita*, una biblioteca de Python de código abierto que simula el movimiento colectivo de peces mediante el modelo de Couzin en 3D e introduce un novedoso marco de diagnóstico basado en la entropía para caracterizar la organización de los bancos de peces de manera más precisa que los parámetros de orden clásicos.
Este estudio presenta una formulación analítica y validación mediante simulaciones PIC para la generación de radiación terahertz con polarización azimutal a partir de un pulso láser de polarización radial propagándose en un plasma magnetizado homogéneo.
Este artículo presenta un modelo matemático de osificación intramembranosa implementado mediante el método de elementos finitos para simular la formación de tejido óseo en sitios de extracción dental, el cual fue validado con éxito mediante datos experimentales previos.
Este artículo propone el uso de la regularización de Tikhonov para mejorar la estabilidad en la reconstrucción de funciones de dispersión parcial obtenidas mediante SANS de variación de contraste, mitigando la inestabilidad causada por la gran diferencia entre los valores singulares.
Se propone un algoritmo de volúmenes finitos totalmente acoplado e implícito para simular flujos interfaciales viscoelásticos incompresibles, el cual permite resolver de manera robusta y sin necesidad de técnicas de log-conformación fenómenos complejos a altos números de Weissenberg.
Esta tesis propone un método de discretización basado en aprendizaje automático para acelerar y mejorar la precisión de los resolvedores de ecuaciones diferenciales parciales en la dinámica de fluidos geofísicos, demostrando su eficacia mediante la implementación de los modelos de aguas poco profundas y de Euler.
El sistema de IA agéntica ChemNavigator descubre autónomamente seis reglas de diseño estadísticamente significativas y químicamente fundamentadas para fotocatalizadores orgánicos mediante un ciclo iterativo que integra razonamiento con modelos de lenguaje y cálculos computacionales, superando a los enfoques de aprendizaje automático anteriores al extraer principios estructurales complejos sin programación explícita.
Este artículo propone y valida un método variacional dual basado en principios de convexidad, utilizando splines B y aproximantes de redes neuronales (RePU) para resolver ecuaciones diferenciales parciales que carecen de una estructura variacional primal, logrando así obtener soluciones precisas y tasas de convergencia óptimas mediante la minimización de un funcional dual.