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 artículo presenta una red neuronal de valor medido (MVNN) que infiere términos de interacción dependientes de la medida a partir de trayectorias de partículas, demostrando su solidez teórica, capacidad de aproximación universal y eficacia en la predicción y generalización de diversos sistemas de dinámica de McKean-Vlasov.
Este artículo presenta SAT3-NN, un nuevo modelo de redes neuronales que, al mapear datos lineales de girocinética a magnitudes de potencial saturado no lineal, predice con mayor precisión los flujos de energía y partículas que los modelos anteriores y logra reproducir la escala anti-gyroBohm en casos dominados por inestabilidades de modo de trampa de electrones (TEM).
El artículo presenta BuSyNet, una arquitectura de aprendizaje profundo que descubre expresiones simbólicas de Hamiltonianos dimensionalmente consistentes y en coordenadas acción-ángulo, superando a los métodos actuales en precisión, estabilidad y interpretabilidad al modelar sistemas físicos como el oscilador armónico y el problema de Kepler.
El estudio demuestra que en simulaciones de flujo hipersónico sobre una esfera en gases poliatómicos inertes con bajo índice adiabático, pueden surgir inestabilidades numéricas tipo carbuncle en la onda de choque que, al imitar las oscilaciones físicas observadas experimentalmente, requieren precaución para no confundir artefactos computacionales con fenómenos reales.
El artículo propone un nuevo algoritmo de fusión de partículas para la dinámica de gases rarefactos que conserva momentos arbitrarios de velocidad y espacio mediante la resolución de un problema de mínimos cuadrados no negativos, logrando reducir significativamente los errores inducidos en las cantidades macroscópicas clave.
El artículo presenta Procela, un marco de simulación en Python que introduce una gobernanza epistémica dinámica capaz de mutar su estructura causal en tiempo real ante incertidumbre estructural, permitiendo añadir o eliminar mecanismos, modificar políticas de resolución de variables y ejecutar experimentos que alteran el propio grafo causal con reversión automática en caso de fallo, logrando reducciones significativas en el error y el arrepentimiento acumulativo en la modelización de la resistencia antimicrobiana.
Este estudio valida mediante simulaciones en bucle cerrado la viabilidad de utilizar redes neuronales como sustitutos de circuitos virtuales para el control en tiempo real de la forma del plasma en tokamaks, demostrando su robustez y eficacia en escenarios de MAST Upgrade.
Este artículo presenta un método de elementos espectrales discontinuos híbridos (HDG-SEM) con adaptación de orden polinómico (*p-adaptive*) implementado en el marco de código abierto PICLas, el cual optimiza la resolución de la ecuación de Poisson en simulaciones de plasma electrostático al concentrar los grados de libertad en regiones de fuertes gradientes, reduciendo significativamente el coste computacional global.
El artículo presenta un método estable para simulaciones de Monte Carlo con determinante a grandes valores de temperatura inversa , utilizando diversas descomposiciones matriciales para superar las inestabilidades numéricas en la evaluación de determinantes y fuerzas, permitiendo así simulaciones precisas a temperaturas cercanas a la ambiente en estructuras de grafeno sin aumentar la complejidad computacional.
Este artículo presenta una implementación de principio de funcionamiento del algoritmo cuántico de aproximación para optimización (QAOA) aplicado al problema MAX-CUT más simple no trivial en un procesador cuántico basado en centros NV a temperatura ambiente, demostrando la viabilidad de los elementos centrales del algoritmo mediante un registro de dos qubits y la reconstrucción de poblaciones a partir de señales de fluorescencia.