🔬 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.

The universal growth of magnetic energy during the nonlinear phase of subsonic and supersonic small-scale dynamos

Mediante el análisis de un gran conjunto de simulaciones en regímenes subsónicos a supersónicos, este estudio revela que, si bien la tasa de crecimiento no lineal de los dinamos a pequeña escala varía de lineal a cuadrática dependiendo de la compresibilidad del flujo, el proceso convierte consistentemente una fracción fija de la energía cinética turbulenta en energía magnética durante una duración característica de aproximadamente 20 tiempos de giro a la escala exterior.

Neco Kriel, James R. Beattie, Mark R. Krumholz, Jennifer Schober, Patrick J. Armstrong2026-05-01🔬 physics

Predicting parameters of a model cuprate superconductor using machine learning

Este estudio demuestra que una arquitectura de aprendizaje profundo U-Net puede resolver eficazmente el problema inverso de predecir los parámetros del Hamiltoniano de superconductores de cuprato a partir de diagramas de fase, logrando una alta precisión y revelando patrones físicamente interpretables de sensibilidad paramétrica.

V. A. Ulitko, D. N. Yasinskaya, S. A. Bezzubin, A. A. Koshelev, Y. D. Panov2026-05-01🔬 cond-mat

Rigorous electromagnetic quasinormal-mode method made easy for users

Este artículo presenta un método simplificado, accesible y ultrarrápido para calcular los modos cuasinormales electromagnéticos mediante la combinación de técnicas numéricas con aproximaciones precisas, implementado en un paquete de código abierto dentro de software comercial de fotónica para cerrar la brecha entre la teoría avanzada de modos cuasinormales y las prácticas estándar de simulación de frecuencia real.

Tong Wu, Philippe Lalanne2026-05-01🔬 physics.optics

Towards single-shot coherent imaging via overlap-free ptychography

Este artículo presenta un marco PtychoPINN extendido que permite la imagen de difracción coherente sin superposición y de un solo disparo, y acelera la ptychografía convencional de múltiples disparos al acoplar un modelo directo diferenciable con una verosimilitud de Poisson, logrando reconstrucciones de alta fidelidad con requisitos de datos significativamente reducidos y un mayor rendimiento en conjuntos de datos experimentales de sincrotrón y XFEL.

Oliver Hoidn, Albert Vong, Aashwin Mishra, Steven Henke, Matthew Seaberg2026-05-01🔬 physics.optics

Experimentally Accurate Graph Neural Network Predictions of Core-Electron Binding Energies

Este artículo presenta un modelo de red neuronal de grafos interpretable y experimentalmente preciso llamado AugerNet que predice las energías de enlace de electrones centrales 1s del carbono en moléculas orgánicas con un error absoluto medio de 0,33 eV, aprovechando características de nodos informadas químicamente y la E(3)-equivarianza para capturar entornos de enlace locales y generalizar a sistemas más grandes.

Adam E. A. Fouda, Joshua Zhou, Rodrigo Ferreira, Patrick Phillips, Valay Agarawal, Bhavnesh Jangid, Jacob J. Wardzala, Rui Ding, Junhong Chen, Nicole Tebaldi, Phay J. Ho, Laura Gagliardi, Linda Young2026-05-01🔬 physics

Computation of frequency- and time-domain Jacobians in optical tomography with Monte Carlo simulations

Este trabajo presenta un marco teórico completo y una implementación de código abierto de Monte Carlo para calcular jacobianos en los dominios de frecuencia y tiempo en tomografía óptica, demostrando su necesidad para un modelado preciso en regímenes de baja dispersión y los beneficios de un modelado realista de los detectores para separaciones cortas entre fuente y detector.

Pauliina Hirvi, Jaakko Olkkonen, Qianqian Fang, Ilkka Nissilä2026-05-01🔬 physics.optics

VibroML: an automated toolkit for high-throughput vibrational analysis and dynamic instability remediation of crystalline materials using machine-learned potentials

VibroML es un kit de herramientas de Python de código abierto que aprovecha los potenciales aprendidos por máquina y los algoritmos genéticos para automatizar la corrección de inestabilidades dinámicas, validar la estabilidad a temperatura finita y explorar sistemáticamente los espacios composicionales, transformando así el cribado de materiales de alto rendimiento de una mera verificación de estabilidad en un flujo de trabajo integral para generar estructuras cristalinas físicamente viables.

Rogério Almeida Gouvêa, Gian-Marco Rignanese2026-05-01🔬 cond-mat.mtrl-sci

Compressibility of micromagnetic solutions in tensor train format

Este artículo demuestra que representar estados micromagnéticos tridimensionales en formato de tren tensorial supera las limitaciones de escalado cúbico de los métodos tradicionales basados en cuadrículas aprovechando la dispersión espacial, logrando un recuento de parámetros significativamente más eficiente que escala como L1.8L^{1.8} y (1/a)1.2(1/a)^{1.2} para configuraciones de cierre de flujo.

Thierry Valet, Nicolas Vukadinovic2026-05-01🔬 cond-mat.mes-hall

Time-Dilation Methods for Extreme Multiscale Timestepping Problems

Este artículo introduce un marco generalizado de dilatación temporal que modula la evolución mediante un factor espacio-temporal continuo para superar las limitaciones extremas de pasos de tiempo multiescala en simulaciones astrofísicas, permitiendo factores de aceleración superiores a 10410^4 mientras se preservan los estados estacionarios locales correctos y se evitan separaciones de escala arbitrarias.

Philip F. Hopkins, Elias R. Most2026-04-30🔭 astro-ph