1201 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 estudio presenta una metodología general para estimar parámetros en sistemas oscilatorios estocásticos mediante una función de costo ponderada que integra la densidad espectral de potencia, la señal analítica y los cruces de posición, la cual se valida en modelos teóricos y se aplica a la mecánica auditiva biológica.
Este artículo presenta los Parámetros de Orden de Grupo Puntual (PGOP), una nueva métrica que cuantifica continuamente la simetría de grupo puntual en sistemas de partículas complejas, superando las limitaciones de los parámetros de orden orientacional tradicionales y estando implementada en la herramienta de código abierto SPATULA.
Este artículo propone un método para incorporar la simetría de reflexión de la red en el grupo de renormalización de redes tensoriales con filtrado de entrelazamiento en dos y tres dimensiones, introduciendo un truco de transposición que preserva dicha simetría en las operaciones clave y permite calcular dimensiones de escalamiento en sectores específicos.
Este artículo presenta un marco computacional basado en flujos normalizadores que mapea directamente las configuraciones del solvente entre solutos de diferentes tamaños, logrando estimar con precisión y eficiencia las energías libres de solvatación en transformaciones desafiantes sin necesidad de los numerosos intermediarios alquímicos requeridos por los métodos tradicionales.
El artículo propone UM-PINN, un marco probabilístico que utiliza incertidumbre aléatoria y muestreo de Sobol para equilibrar dinámicamente las contribuciones de las ecuaciones diferenciales y las condiciones iniciales, logrando así una resolución precisa de ondas de choque en leyes de conservación hiperbólicas donde los métodos tradicionales fallan.
Este trabajo presenta el algoritmo de interpolación cruzada alterna (ACI), que realiza operaciones elemento a elemento en trenes tensoriales con control de error y una complejidad reducida de , logrando una aceleración significativa en comparación con los métodos existentes de .
Este artículo presenta PhysVEC, un marco de agentes múltiples automatizado que integra verificadores de programación y científicos para garantizar la corrección y validez física en la investigación, demostrando un rendimiento superior en la simulación de sistemas cuánticos de muchos cuerpos mediante la corrección de errores y la generación de evidencia auditable.
Este artículo presenta un modelo numérico basado en la formulación variacional ultradébil de Maxwell con el método discontinuo de Petrov-Galerkin (DPG) y capas perfectamente emparejadas (PML) adaptativas para calcular con precisión las pérdidas de confinamiento en guías de onda ópticas tridimensionales curvas, validando los resultados mediante comparación con soluciones semianalíticas y demostrando una convergencia estable sin precedentes para este enfoque.
Este trabajo presenta un atlas neuronal geométrico que reemplaza el mallado volumétrico tradicional mediante representaciones aprendidas de coordenadas superpuestas, permitiendo resolver problemas de valores de frontera en geometrías 3D complejas con diferentes métodos numéricos sin necesidad de remallado.
El artículo presenta el "Predictor-Driven Diffusion", un marco unificado que combina el agrupamiento espacial basado en el grupo de renormalización con una formulación de integral de camino temporal para abordar la complejidad de las estructuras espaciotemporales multiescala, permitiendo simulación, generación y superresolución mediante un único predictor que captura la influencia estadística de las fluctuaciones a pequeña escala en la evolución a gran escala.