903 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 introduce el IPRM Rayo-Coluna, un modelo de turbulencia basado en la estructura que restaura la información de escala espectral radial proyectando estados condicionales sobre bandas de número de onda finitas, lo que permite evaluaciones de cierre más precisas y la formación de observables filtrados en comparación con los enfoques tradicionales basados únicamente en la orientación.
Este estudio demuestra que el uso de pulsos láser Laguerre-Gaussianos de dos colores para impulsar estelas de plasma altera fundamentalmente su topología al redistribuir la energía del campo longitudinal fuera del eje hacia estructuras huecas en forma de anillo, ofreciendo así nuevos mecanismos para controlar la dinámica transversal del plasma y permitiendo la aceleración de partículas fuera del eje.
Este trabajo propone un método computacional basado en Redes Neuronales Informadas por Física (PINN) que resuelve directamente estados de flujo periódicos en el tiempo optimizando sobre un único periodo en lugar de simular condiciones iniciales transitorias, logrando así reducciones significativas en el tiempo computacional mientras mantiene una precisión comparable a los solucionadores tradicionales basados en mallas.
Este artículo presenta una herramienta de Método de Momentos numéricamente estable para simular los parámetros S de PCBs en caja multicapa, combinando un formalismo de matriz S para derivar la función de Green diádica completa con diversas funciones base para modelar tanto las corrientes transversales como las longitudinales.
Utilizando métodos de Monte Carlo variacional con estados cuánticos neuronales, este estudio analiza el sector cercano al núcleo de la restricción hamiltoniana en la gravedad de bucles reducida cuántica e identifica tres clases distintas de soluciones, incluida una rama factorizada que se describe con precisión mediante estados coherentes semiclásicos emergentes de Thiemann.
Este artículo presenta un método novedoso basado en MPI para construir y simular redes neuronales de picos a gran escala en clústeres de múltiples GPU y superordenadores exaescala, demostrando una escalabilidad eficiente para modelos corticales complejos mediante estrategias optimizadas de conectividad local e intercambio de picos.
Este artículo introduce el Operador Neural Simpéctico, una arquitectura novedosa que preserva la estructura simpéctica intrínseca de los sistemas hamiltonianos de dimensión infinita para garantizar una estabilidad rigurosa a largo plazo y una conservación de la energía mejorada en comparación con los modelos estándar basados en datos.
El artículo presenta la Red de Amplificación de Características Cuánticas (QFAN), un modelo generativo cuántico autoregresivo que supera el cuello de botella del tamaño del registro en la simulación de lluvias de calorímetro al generar imágenes como secuencias de bloques utilizando un circuito cuántico de tamaño fijo, demostrando con éxito su capacidad para reproducir distribuciones físicas clave tanto en simuladores como en hardware cuántico de IBM.
Este artículo presenta una implementación altamente eficiente y acelerada por múltiples GPU del modelo oceánico de Galerkin discontinuo SLIM que logra aceleraciones masivas en comparación con sistemas basados en CPU y permite simulaciones costeras de ultra-alta resolución, como una mejora de cinco veces en la resolución para la Gran Barrera de Coral.
Este artículo demuestra cómo combinar un agente de codificación con IA generativa y un algoritmo de búsqueda en árbol impulsado por LLM puede descubrir autónomamente estructuras fotovoltaicas tridimensionales optimizadas, siempre que el sistema parchee iterativamente las restricciones físicas para eliminar la manipulación algorítmica de recompensas y garantizar soluciones físicamente válidas.