physics.comp-ph 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.

Fast and Accurate Prediction of Lattice Thermal Conductivity via Machine Learning Surrogates

Este artículo evalúa 15 modelos sustitutos de aprendizaje automático en una gran base de datos Phonix para predecir la conductividad térmica de la red, revelando que, aunque los modelos integrados en potenciales interatómicos de aprendizaje automático sobresalen en la interpolación, las redes neuronales profundas como ALiEGNN ofrecen una robustez superior para la extrapolación fuera de la distribución, permitiendo así un cribado de alto rendimiento eficiente de materiales termoeléctricos a una fracción del costo computacional de las simulaciones de primeros principios.

Zeyu Wang, Shuya Yamazaki, Martin Hoffmann Petersen, Masato Ohnishi, Tomiya Yamamoto, Wei Nong, Jianghai Wang, Ruiming Zhu, Masatoshi Hanai, Michimasa Morita, Toyotaro Suzumura, Zekun Ren, Junichiro S (…)2026-05-13🔬 cond-mat.mtrl-sci

Identifying the relevant parameters in design strategies for stable glasses

Este estudio desafía la suposición de que optimizar propiedades físicas específicas como la hiperuniformidad o el ordenamiento local provoca una mayor estabilidad vítrea, demostrando en cambio que el proceso dinámico de cambiar los diámetros de las partículas es el factor causal real detrás de la formación de vidrios ultrastables.

Leonardo Galliano, Ludovic Berthier2026-05-13🔬 cond-mat

Machine Learning for neutron source distributions

Este artículo propone y evalúa un enfoque novedoso que utiliza modelos generativos probabilísticos para estimar distribuciones de fuentes de neutrones a partir de listas de partículas de Monte Carlo, permitiendo un muestreo eficiente e independiente de la memoria una vez que los modelos están entrenados.

Jose Ignacio Robledo, Norberto Schmidt, Klaus Lieutenant, Jingjing Li, Stefan Kesselheim, Paul Zakalek2026-05-13🔬 physics

Designing Coulombic Contact Interactions between Polarizable Particles through Asymmetry

Este artículo demuestra que, al ajustar conjuntamente el tamaño, la carga y las asimetrías dieléctricas de partículas polarizables, las complejas interacciones electrostáticas de contacto pueden diseñarse para reducirse a un comportamiento coulombiano simple, permitiendo así el diseño de materiales autoensamblados con estructuras predecibles.

Yanyu Duan, Zecheng Gan2026-05-13🔬 cond-mat

Bayesian Reasoning for Physics Informed Neural Networks

Este artículo introduce una formulación bayesiana basada en evidencia de las Redes Neuronales Informadas por Física que utiliza una aproximación de Laplace para calcular analíticamente la evidencia del modelo, permitiendo una optimización automática eficiente y libre de muestreo de los pesos de la pérdida y la cuantificación de la incertidumbre en diversas ecuaciones diferenciales parciales.

Krzysztof M. Graczyk, Kornel Witkowski2026-05-12🔬 physics

Acoustics-based Active Control of Unsteady Flow Dynamics using Reinforcement Learning Driven Synthetic Jets

Este artículo presenta un marco de aprendizaje por refuerzo profundo que utiliza mediciones acústicas de campo lejano como señal de retroalimentación principal para impulsar la actuación de chorros sintéticos, suprimiendo con éxito la dinámica de estela no estacionaria detrás de un cilindro circular y logrando reducciones significativas en el ruido radiado y la resistencia aerodinámica sin depender de sensores tradicionales de velocidad o presión.

Siddharth Rout, Khai Phan, Chao-An Lin2026-05-12🔬 physics.app-ph

Diagnosing phase transitions through time-scale entanglement

Este artículo introduce el entrelazamiento a escala temporal, una forma novedosa de entrelazamiento entre escalas de tiempo imaginarias accesibles mediante diagnósticos de tren tensorial cuántico (QTTD), como un indicador universal e imparcial que se mejora genéricamente cerca de las transiciones de fase y se vuelve invariante de escala en los puntos críticos cuánticos.

Stefan Rohshap, Hirone Ishida, Frederic Bippus, Leonard M. Verhoff, Anna Kauch, Karsten Held, Hiroshi Shinaoka, Markus Wallerberger2026-05-12🔬 cond-mat

A Quantum Linear Systems Pathway for Solving Differential Equations

Este artículo presenta una ruta cuántica sistemática para resolver ecuaciones diferenciales mediante la combinación de codificación en bloques con la Transformación de Valores Singulares Cuántica (QSVT), demostrando su aplicación a las ecuaciones de calor y de Burgers, al tiempo que proporciona estimaciones críticas de recursos de hardware y análisis de escalabilidad que destacan las limitaciones actuales y las direcciones futuras para lograr la ventaja cuántica.

Abhishek Setty2026-05-12⚛️ quant-ph

Consistent Projection of Langevin Dynamics: Preserving Thermodynamics and Kinetics in Coarse-Grained Models

Este trabajo presenta un formalismo de coarsening basado en proyección para la dinámica de Langevin subamortiguada que integra la descomposición modal dinámica extendida del generador (gEDMD) y la interpolación termodinámica para preservar con precisión tanto las propiedades termodinámicas como cinéticas de sistemas complejos multiescala en diferentes estados termodinámicos.

Vahid Nateghi, Lara Neureither, Selma Moqvist, Carsten Hartmann, Simon Olsson, Feliks Nüske2026-05-12🔬 physics

Crystal Fractional Graph Neural Network for Energy Prediction of High-Entropy Alloys

Este trabajo propone una Red Neuronal Gráfica Fraccional Cristalina que combina el análisis del entorno atómico local mediante mecanismos de atención gráfica con datos composicionales globales para predecir con precisión la energía de aleaciones de alta entropía, logrando una precisión a nivel de primeros principios en un conjunto de datos de más de 1.000 estructuras, al tiempo que reconoce las limitaciones actuales con celdas cristalinas grandes.

Takanori Kotama, Yang Huang2026-05-12🔬 physics

← Anterior Siguiente →