128 artículos
Este artículo presenta un marco de Ecuaciones Diferenciales con Retardo Neuronales (NDDEs) inspirado en el formalismo Mori-Zwanzig para aprender dinámicas no markovianas a partir de datos de sistemas parcialmente observables, demostrando un rendimiento superior frente a métodos existentes como las redes LSTM y las ANODEs.
Este trabajo extiende la Teoría de Medios Porosos para modelar la inyección de cemento acrílico en vértebras bajo condiciones no isotérmicas, incorporando balances de energía y relaciones constitutivas que garantizan consistencia termodinámica y comportamientos físicamente razonables en simulaciones numéricas.
Este artículo presenta un marco teórico-computacional basado en la ecuación de Langevin generalizada que permite caracterizar la respuesta viscoelástica del polímero vítreo PMMA a lo largo de más de veinte décadas de frecuencia, logrando una consistencia cuantitativa con múltiples técnicas experimentales y simulaciones desde escalas atómicas hasta macroscópicas.
Este artículo presenta un nuevo algoritmo de Monte Carlo para problemas de transporte de partículas dependientes del tiempo que utiliza ventanas de peso globales automáticas, definidas mediante la solución de un problema auxiliar híbrido (Monte Carlo/determinista) basado en ecuaciones de segundo momento de bajo orden, para lograr una distribución uniforme de partículas y mejorar la eficiencia computacional.
El artículo presenta SAP-X2C, un hamiltoniano relativista de dos componentes que combina la simplicidad y bajo costo del método 1eX2C con una mayor precisión al incluir efectos de cambio de imagen de dos electrones mediante superposición de potenciales atómicos, logrando así un límite termodinámico bien definido aplicable a sistemas extendidos.
Los autores presentan un algoritmo de muestreo de trayectorias de transición basado en disparos unidireccionales que acepta todas las propuestas y utiliza un esquema de reponderación para corregir el sesgo, mejorando significativamente la eficiencia en el estudio de la formación de hidratos de clatrato de CO₂ en condiciones difíciles de acceder.
Este artículo presenta un modelo sustituto multitarea para las ecuaciones de estado de estrellas de neutrones que, entrenado con 40.000 casos, ofrece incertidumbre certificada y libre de distribuciones mediante predicción conformal (estándar y Mondrian), logrando una discriminación casi perfecta y errores relativos subporcentuales en masas y radios.
Este estudio presenta un marco de aprendizaje automático para predecir el flujo estacionario en medios porosos, demostrando que el Operador de Red Neuronal de Fourier (FNO) supera a los modelos AE y U-Net al ofrecer predicciones precisas y hasta 1000 veces más rápidas que la dinámica de fluidos computacional tradicional, lo que lo hace ideal para la optimización topológica de placas frías.
Este estudio demuestra que es posible lograr predicciones termodinámicas precisas y cuantitativas para el apareamiento iónico del CaCO en agua, combinando muestreo estadístico avanzado con métodos de estructura electrónica de alto nivel (CCSD(T)) superando las limitaciones de la teoría del funcional de la densidad estándar.
El estudio demuestra que, aunque tanto los osciladores como los cerrojos bistables se utilizan para implementar máquinas de Ising, las diferencias en sus dinámicas físicas subyacentes otorgan a los osciladores una estabilidad selectiva que les permite encontrar soluciones de mayor calidad en problemas de optimización combinatoria como MaxCut.
Este estudio presenta un modelo sustituto de inteligencia artificial basado en operadores neuronales informados por física (PINO) que acelera más de 10.000 veces el análisis de retención de datos en NAND vertical ferroeléctrica (Fe-VNAND) en comparación con las herramientas TCAD tradicionales, manteniendo la precisión física necesaria para la optimización de dispositivos.
Este trabajo demuestra que el aprendizaje automático del matriz de densidad reducida de dos electrones (2-RDM) permite desarrollar modelos precisos que ofrecen acceso directo a energías y fuerzas con calidad de método acoplado de clúster para sistemas complejos, como la glucosa en solución, a un costo computacional comparable al de Hartree-Fock.
Este trabajo presenta un solver acoplado electromagnético-térmico-mecánico acelerado por GPU que permite simulaciones transitorias de escala completa y alta fidelidad para el diseño temprano de paquetes avanzados, superando las limitaciones de los métodos convencionales al identificar mecanismos de fallo ocultos como el estrés adiabático inducido por señales.
Este artículo presenta un método pseudo-espectral semianalítico combinado con un esquema de diferenciación exponencial en el tiempo para resolver las ecuaciones de Boussinesq tridimensionales en dominios cilíndricos ilimitados, permitiendo simulaciones estables y precisas de flujos rotantes y estratificados con fuertes cizalladuras azimutales sin las restricciones de estabilidad temporal impuestas por la cinemática de fondo.
Este artículo presenta un marco geométrico de acoplamiento negativo multiescala covariante en variedades de Riemann dinámicas que, mediante un mecanismo de retroalimentación espectral adaptativa, previene la degeneración dimensional en sistemas disipativos infinitos y garantiza la existencia de atractores globales con dimensión finita.
El artículo presenta "paces", un método eficiente y paralelizado para GPUs que calcula la dinámica cuántica evolucionando un subespacio restringido y coevolutivo del espacio de Hilbert, demostrando su eficacia mediante el modelo Holstein y su aplicabilidad a Hamiltonianos dispersos y sistemas abiertos.
Este artículo presenta un método numérico general y extensible que reconstruye interfaces continuas y acopla dominios computacionales multiphísicos mediante una interpolación ponderada y un algoritmo de mapeo de flujo conservador, logrando errores mínimos en la transferencia de datos y la evolución transitoria.
Este artículo presenta el método de Taguchi como una herramienta eficaz para optimizar la propagación no lineal de pulsos en fibras ópticas, demostrando su rápida convergencia y potencial de descubrimiento de soluciones mediante su aplicación a problemas como el solitón de centro guía y la conservación del orden de solitón en fibras con dispersión decreciente.
Este trabajo presenta arquitecturas de Mezcla de Expertos (MoE) y Mezcla de Expertos Lineales (MoLE) para Potenciales Interatómicos de Aprendizaje Automático que, mediante activación dispersa y enrutamiento por elemento, logran un rendimiento superior y una especialización química interpretable, estableciendo nuevos estándares de precisión en múltiples benchmarks.
Este estudio establece un marco microscópico para la dinámica fonónica no markoviana inducida por pulsos láser THz, reconstruyendo los núcleos de disipación y ruido mediante simulaciones de dinámica molecular para cuantificar la producción de calor y demostrar que las magnitudes termodinámicas pueden inferirse directamente de la dinámica de un modo fonónico individual.