1190 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 marco de aprendizaje automático basado en operadores neuronales de Fourier anidados (Fourier-MIONet) que permite una predicción eficiente y precisa de la transferencia radiativa en simulaciones de incendios 3D, superando las limitaciones de costo computacional de los métodos numéricos tradicionales.
El artículo propone que el alótropo de boro - es un semimetal topológico sin espín ideal que alberga simultáneamente una superficie nodal bidimensional y múltiples tipos de fermiones de Weyl, protegidos por simetrías cristalinas y temporales, lo que lo convierte en una plataforma única para estudiar la física de fermiones topológicos híbridos multidimensionales.
Este estudio utiliza estados cuánticos neuronales y Monte Carlo variacional para caracterizar estados físicos de la gravedad cuántica de bucles abelianizada euclídea en el límite de acoplamiento débil, revelando dos familias de soluciones distintas asociadas a diferentes ordenamientos del operador de Hamilton que se interpretan como aproximaciones a los vacíos de Ashtekar-Lewandowski y Dittrich-Geiller.
Este trabajo presenta la "homogeneización inversa distribucional", una metodología no invasiva que utiliza grandes conjuntos de propiedades mecánicas macroscópicas para inferir estadísticas globales de la microestructura de materiales, superando las dificultades tradicionales de la inversión mediante la combinación de teoría de homogeneización y aprendizaje automático.
Este artículo presenta un marco teórico novedoso que combina el análisis espectral de matrices de Toeplitz y la descomposición modal para demostrar la escalabilidad débil y la robustez frente al número de onda de los métodos de Schwarz de un nivel aplicados a las ecuaciones de Maxwell en guías de onda con secciones transversales generales y diversas condiciones de transmisión.
Este estudio presenta un modelo sustituto basado en el Operador de Red Neuronal de Fourier (FNO) que, al integrarse con el método de campo de fase, logra modelar la evolución de microestructuras de crecimiento de grano de manera precisa, rápida e invariante a la resolución, superando las limitaciones computacionales y de generalización de los enfoques tradicionales.
Este estudio analiza la estabilización de sistemas Vlasov-Poisson mediante optimización restringida por EDPs, demostrando que las funciones objetivo que incorporan información integrada en el tiempo generan paisajes de optimización más convexos y favorables para métodos basados en gradientes, mientras que el análisis de la relación de dispersión proporciona estimaciones iniciales efectivas cerca del óptimo global.
Este artículo investiga las propiedades de aproximación, convergencia y estabilidad del método ADER-DG para sistemas de ecuaciones diferenciales ordinarias, demostrando teóricamente su estabilidad bajo múltiples criterios y validando estos resultados mediante aplicaciones prácticas.
Este artículo presenta un marco de simulación sin cuerpo que reconstruye con precisión las estelas turbulentas tridimensionales de cilindros mediante la prescripción de perfiles de entrada extraídos de datos experimentales o DNS, demostrando que la dinámica esencial del flujo está gobernada por la inestabilidad del perfil de la estela cercana y no por la presencia explícita del cuerpo, lo que permite una reducción significativa del costo computacional.
Este artículo presenta Eiron, un nuevo código de código abierto que implementa un algoritmo de transporte Monte Carlo de neutrones descompuesto por dominios (DDMC) para superar las limitaciones de memoria de EIRENE, demostrando un rendimiento de escalado fuerte y débil superior que permite simulaciones de fusión nuclear previamente imposibles.