1197 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.
El artículo presenta JZ-Tree, una implementación de código abierto en JAX y CUDA que utiliza una jerarquía de árbol basada en planos de orden Morton para superar los problemas de divergencia de hilos y acceso a memoria en GPUs, logrando mejoras de rendimiento de más de un orden de magnitud en búsquedas de vecinos más cercanos y agrupamiento "friends-of-friends" para grandes conjuntos de datos.
Este artículo presenta un estudio numérico de la ecuación de onda no lineal fraccionaria cúbica defocante unidimensional, demostrando mediante simulaciones que tanto la inflación de la norma como la buena posición probabilística pueden observarse en regímenes subcríticos y supercríticos de energía.
Este artículo presenta y evalúa esquemas numéricos de alto orden basados en relajación que garantizan la conservación de la masa y el equilibrio energético en la resolución de las ecuaciones de Schrödinger-Poisson, incluyendo casos con coeficientes dependientes del tiempo y simulaciones cosmológicas tridimensionales.
Este trabajo presenta un marco integrado de diseño asistido por aprendizaje automático que permite explorar eficientemente el vasto espacio composicional de las aleaciones complejas refractarias (RCCA) para predecir su estabilidad de fase y propiedades mecánicas, acelerando así el descubrimiento de nuevos materiales de alta temperatura.
Mediante una técnica de Monte Carlo diagramático controlada, este estudio demuestra que en el caso de banda plana a mitad de llenado en la red de Lieb, la respuesta de apareamiento diverge linealmente al disminuir la temperatura hasta alcanzar una temperatura característica que actúa como límite superior para la superconductividad, la cual se maximiza cuando las tres bandas se tocan en un único punto de momento.
Este artículo presenta un marco de aprendizaje profundo llamado PAPS que resuelve de manera eficiente y unificada las ecuaciones de Fokker-Planck transitorias para cualquier combinación de parámetros y distribuciones iniciales, logrando una velocidad de inferencia cuatro órdenes de magnitud superior a las simulaciones de Monte Carlo tradicionales.
El artículo presenta gyaradax, un solver mínimo de cinética de giro en JAX/CUDA que acelera y moderniza las simulaciones de turbulencia en plasmas de fusión mediante la traducción asistida por agentes de código legado, validación rigurosa y la habilitación de flujos de trabajo de aprendizaje automático.
Este artículo presenta un algoritmo novedoso que combina la optimización estructural evolutiva bidireccional (BESO) modificada con el método de elementos finitos extendido (XFEM) para resolver problemas de optimización topológica a gran escala y alta resolución, logrando un equilibrio entre precisión computacional y eficiencia mediante el uso de sub-regiones enriquecidas y millones de variables de diseño.
Este artículo presenta un enfoque de desviación hacia arriba multidimensional para flujos compresibles multifásicos que combina reconstrucciones en el espacio característico y físico para waves acústicas, vorticiales y de entropía, mejorando significativamente la precisión en la captura de interfaces, estructuras vorticiales y ondas de choque mientras reduce los artefactos numéricos.
Este artículo presenta un método basado en la técnica lagrangiana que permite calcular fuerzas atómicas sin sesgo en la simulación Monte Carlo variacional *ab initio* de manera eficiente, reduciendo drásticamente el costo computacional al sustituir múltiples cálculos de DFT por una sola ecuación de Kohn-Sham perturbada acoplada, mejorando así la consistencia y precisión de las fuerzas respecto a las superficies de energía potencial.