🔬 Category

physics.comp-ph

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.

Mesh Based Simulations with Spatial and Temporal awareness

Este artículo propone un marco unificado que conecta el aprendizaje profundo geométrico y el análisis numérico riguroso para simulaciones de dinámica de fluidos computacional mediante la introducción de predicción multi-nodo, corrección temporal mediante atención cruzada y embebidos posicionales rotativos 3D para superar las limitaciones de estabilidad y precisión de los sustitutos de aprendizaje automático existentes en mallas no estructuradas.

Paul Garnier, Vincent Lannelongue, Elie Hachem2026-05-05🤖 cs.LG

Physics-Guided Deep Learning For High Resolution X-ray Imaging

Este artículo propone un enfoque de aprendizaje profundo guiado por la física que utiliza una arquitectura U-Net para suprimir eficazmente artefactos estructurados y no estacionarios en la imagenología de rayos X de disparo único, mejorando significativamente la calidad de la reconstrucción y la preservación de la señal en comparación con los métodos tradicionales, al tiempo que incorpora conjuntos profundos para garantizar la robustez mediante la estimación de incertidumbre.

Shao Xian Lee, Aashwin Ananda Mishra, Ariel Arnott, Meriame Berboucha, Nina Boiadjieva, Gourab Chatterjee, Eric Cunningham, Nick Czapla, Gilliss Dyer, Jonathan Ehni, Robert Ettelbrick, Anna Grassi, Mi (…)2026-05-05⚡ eess

Composition-Weighted Symbolic Regression for General-Purpose Property Prediction

Este artículo presenta un marco de regresión simbólica ponderada por composición que combina algoritmos de búsqueda híbrida con operadores máximos/mínimos para generar expresiones analíticas interpretables que predicen diversas propiedades de los materiales directamente a partir de la composición química, logrando una precisión competitiva frente a modelos de caja negra al tiempo que revela tendencias elementales químicamente significativas.

Yang Huang, Jingrun Chen2026-05-05🔬 cond-mat.mtrl-sci

Designing explicit functionals for the charge density in terms of a potential

Este artículo propone y valida una estrategia para construir funcionales explícitos que mapean directamente los potenciales de Kohn-Sham a densidades de carga en materiales inhomogéneos utilizando datos del gas de electrones homogéneo, demostrando con éxito una mayor precisión mediante aproximaciones cada vez más sofisticadas sin resolver la ecuación de Schrödinger de Kohn-Sham.

Muhammed Hüseyin Güneş, Ayoub Aouina, Vitaly Gorelov, Matteo Gatti, Lucia Reining2026-05-05🔬 cond-mat.mtrl-sci

Vorticity Packing Effects on Long Time Turbulent Transport in Decaying Two-Dimensional Incompressible Navier-Stokes Fluids

Este estudio demuestra que la fracción de empaquetamiento de vorticidad en la turbulencia de Navier-Stokes bidimensional en descomposición gobierna la transición de equilibrios de vórtices puntuales a equilibrios de vórtices de tamaño finito, lo que a su vez dicta un cambio correspondiente en el transporte de trazadores lagrangianos desde el atrapamiento orbital subdifusivo hasta el movimiento lineal superdifusivo a medida que aumenta el empaquetamiento.

Snehanshu Maiti, Shishir Biswas, Rajaraman Ganesh2026-05-04🌀 nlin

Scale-Aware Adversarial Analysis: A Diagnostic for Generative AI in Multiscale Complex Systems

Este artículo presenta un marco de Análisis Adversarial Consciente de la Escala que utiliza la Descomposición de Difusión Restringida para revelar que los modelos estándar de IA generativa no logran internalizar las leyes físicas a través de las escalas, mostrando en cambio una congelación estructural e inestabilidad cuando se someten a perturbaciones con restricciones físicas.

Mengke Zhao, Guang-Xing Li, Duo Xu, Keping Qiu2026-05-04🔬 physics

MuDirac 1.3.0: A Sustainable Software Tool for Calculating Ground State Nuclear Properties Using Muonic X-Ray Measurements

Este artículo presenta MuDirac 1.3.0, una herramienta de software de código abierto sostenible y eficiente que permite a la comunidad de muones negativos calcular con precisión propiedades nucleares, como el radio de carga, mediante la modelización de las energías de transición de rayos X muónicos bajo una distribución de Fermi de dos parámetros.

Leandro Liborio, Milan Kumar, Subindev Devadasan, Philip Jones, Martin Plummer, Adrian Hillier, Albert Bartok2026-05-04🔬 physics.atom-ph

Combined spatially and temporally multiplexed photonic reservoir computer with a diffractively coupled VCSEL-array

Este artículo presenta un ordenador de reservorio fotónico híbrido espaciotemporal experimental que utiliza una matriz de VCSEL acoplada difractivamente y que mejora significativamente el rendimiento de clasificación y la escalabilidad al combinar el acoplamiento espacial con la multiplexación temporal para expandir una red de 12 nodos a un sistema de 968 nodos con un error de prueba reducido de 0,026.

Joshua Robertson, Moritz Pfluger, Ingo Fischer, Miguel Soriano, Antonio Hurtado2026-05-04🔬 physics.optics

Prime Factorization Equation from a Tensor Network Perspective

Este artículo propone un algoritmo eficiente basado en el enfoque MeLoCoToN que formula la factorización de enteros como una ecuación de red de tensores derivada de un circuito de multiplicación binaria, optimizando la estructura de la red y demostrando su rendimiento mediante métodos de contracción exactos y aproximados.

Alejandro Mata Ali, Jorge Martínez Martín, Sergio Muñiz Subiñas, Miguel Franco Hernando, Javier Sedano, Ángel Miguel García-Vico2026-05-01⚛️ quant-ph

Extraction of the self energy and Eliashberg function from angle resolved photoemission spectroscopy using the xARPES code

Este artículo presenta el código Python xARPES, que utiliza un método de máxima entropía extendido con inferencia bayesiana para extraer consistentemente las autoenergías de los electrones y las funciones de Eliashberg a partir de dispersiones curvas en datos de espectroscopía de fotoemisión resuelta en ángulo, demostrando una precisión superior tanto en conjuntos de datos modelo como experimentales en comparación con los enfoques existentes basados en linealización.

Thomas P. van Waas, Christophe Berthod, Jan Berges, Nicola Marzari, J. Hugo Dil, Samuel Poncé2026-05-01🔬 cond-mat.mtrl-sci