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 presenta un marco de aprendizaje automático para la dinámica molecular de grano grueso que complementa el ajuste de fuerzas tradicional con el ajuste estocástico de productos vectoriales del Hessiano para incorporar información de curvatura de segundo orden, mejorando significativamente la precisión y la transferibilidad de los potenciales de grano grueso para simulaciones biomoleculares.
Este artículo investiga cómo la elección del integrador temporal, la adición de disipación numérica y la representación del problema influyen en la eficiencia y la estabilidad de los cálculos de tren tensorial cuantizado (QTT) para problemas dominados por advección, con el objetivo de mitigar la acumulación de errores y el crecimiento del rango en simulaciones de largo plazo.
Este artículo demuestra que reemplazar las aproximaciones de diferencias finitas por diferenciación automática en modo directo para productos Jacobiano-vector en solucionadores Newton-Krylov libres de Jacobiano mejora significativamente tanto el rendimiento computacional (en 2 a 3 órdenes de magnitud) como la robustez global (aumentando las tasas de finalización del 42% al 95%) en diversos problemas no lineales y arquitecturas de hardware.
Este estudio utiliza simulaciones de elementos finitos para demostrar que, en fluidos no newtonianos de ley de potencia, el comportamiento de adelgazamiento por cizallamiento mejora la transferencia de calor, mientras que las condiciones de frontera térmicas uniformes promueven una convección más fuerte y una mayor generación de entropía en comparación con el calentamiento no uniforme, ofreciendo conocimientos clave para optimizar el diseño de sistemas térmicos.
Este trabajo propone una estrategia de acoplamiento macroscópico-mesoscópico, determinista-estocástica que integra relaciones constitutivas de orden superior y términos fuente de reacción química muestreados a partir de DSMC en una ecuación sintética macroscópica para acelerar las simulaciones, lograr reducción de ruido y superar cuellos de botella computacionales en flujos de reacción química cercanos al continuo.
El artículo presenta Elastica++, un marco de trabajo de código abierto y alto rendimiento que utiliza el modelo de varilla de Cosserat y el paralelismo de memoria compartida para habilitar simulaciones multiphysics a gran escala de estructuras delgadas interactivas en diversas aplicaciones que van desde la robótica blanda hasta la materia activa.
Este artículo presenta un método híbrido cuántico-clásico para resolver la ecuación de advección-difusión que escala eficientemente con la dimensión del sistema y demuestra resultados fiables en el hardware cuántico ruidoso actual de IBM, ofreciendo una vía potencial para superar las limitaciones computacionales y de energía en la predicción numérica del tiempo.
Este estudio aprovecha el aprendizaje automático y la dinámica molecular para identificar inhibidores potenciales dirigidos a los mecanismos de resistencia bacteriana Gram-negativa, específicamente bombas de eflujo RND y esterasas de eritromicina, con el objetivo de superar las limitaciones de los fármacos antibacterianos aprobados por la FDA existentes.
Este artículo presenta APRIL, un marco que enriquece la pérdida supervisada con términos físicamente redundantes auxiliares para mejorar la convergencia y la precisión en la estimación de parámetros para grandes conjuntos de datos multi-sistema, demostrando una mejora de rendimiento de hasta un orden de magnitud en la estimación de parámetros de ondas gravitacionales en comparación con los enfoques estándar.
Este artículo presenta un protocolo de compresión de bajo rango que preserva la estructura para matrices de densidad reducida de dos electrones, el cual reduce la escalabilidad de la memoria de cuártica a cuadrática manteniendo la precisión química, permitiendo así la aplicación eficiente de flujos de trabajo de continuación de vectores propios a simulaciones de dinámica molecular no adiabática a gran escala.