🔬 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.

Hierarchical Bayesian calibration of mesoscopic models for ultrasound contrast agents from force spectroscopy data

Este artículo presenta un flujo de trabajo de calibración bayesiana acelerada por sustitutos que combina redes neuronales profundas y muestreo MCMC para inferir con precisión los parámetros mecánicos de modelos de microburbujas encapsuladas a partir de datos de espectroscopía de fuerzas, permitiendo así el desarrollo de modelos informados por datos para aplicaciones de administración dirigida de fármacos y genes guiada por ultrasonido.

Brieuc Benvegnen, Nikolaos Ntarakas, Tilen Potisk, Ignacio Pagonabarraga, Matej Praprotnik2026-04-16🔬 cond-mat.mes-hall

NEPMaker: Active learning of neuroevolution machine learning potential for large cells

El artículo presenta NEPMaker, un marco de aprendizaje activo impulsado por la optimalidad D que integra potenciales de neuroevolución (NEP) en el paquete GPUMD para generar potenciales de aprendizaje máquina robustos y escalables en sistemas de materiales complejos mediante la identificación y corrección de entornos atómicos extrapolativos durante simulaciones a gran escala.

Junjie Wang, Shuning Pan, Haoting Zhang, Qiuhan Jia, Chi Ding, Zheyong Fan, Jian Sun2026-04-16🔬 physics

MolCryst-MLIPs: A Machine-Learned Interatomic Potentials Database for Molecular Crystals

El artículo presenta MolCryst-MLIPs, una base de datos abierta de potenciales interatómicos aprendidos por máquina (MLIP) que ofrece modelos MACE ajustados para nueve sistemas de cristales moleculares, desarrollados mediante un pipeline automatizado y validados para simulaciones de dinámica molecular de polimorfismo.

Adam Lahouari, Shen Ai, Jihye Han, Jillian Hoffstadt, Philipp Hoellmer, Charlotte Infante, Pulkita Jain, Sangram Kadam, Maya M. Martirossyan, Amara McCune, Hypatia Newton, Shlok J. Paul, Willmor Pena (…)2026-04-16🤖 cs.LG

Symmetry-protected coexistence of a nodal surface and multiple types of Weyl fermions in P63P6_3-B30\text{B}_{30}

El artículo propone que el alótropo de boro P63P6_3-B30\text{B}_{30} es un semimetal topológico sin espín ideal que alberga simultáneamente una superficie nodal bidimensional y múltiples tipos de fermiones de Weyl, protegidos por simetrías cristalinas y temporales, lo que lo convierte en una plataforma única para estudiar la física de fermiones topológicos híbridos multidimensionales.

Xiao-Jing Gao, Yanfeng Ge, Yan Gao2026-04-16🔬 cond-mat.mtrl-sci

Distributional Inverse Homogenization

Este trabajo presenta la "homogeneización inversa distribucional", una metodología no invasiva que utiliza grandes conjuntos de propiedades mecánicas macroscópicas para inferir estadísticas globales de la microestructura de materiales, superando las dificultades tradicionales de la inversión mediante la combinación de teoría de homogeneización y aprendizaje automático.

Arnaud Vadeboncoeur, Mark Girolami, Kaushik Bhattacharya, Andrew M. Stuart2026-04-16🔬 cond-mat.mtrl-sci

Modal analysis of a domain decomposition method for Maxwell's equations in a waveguide

Este artículo presenta un marco teórico novedoso que combina el análisis espectral de matrices de Toeplitz y la descomposición modal para demostrar la escalabilidad débil y la robustez frente al número de onda de los métodos de Schwarz de un nivel aplicados a las ecuaciones de Maxwell en guías de onda con secciones transversales generales y diversas condiciones de transmisión.

Victorita Dolean, Antoine Tonnoir, Pierre-Henri Tournier2026-04-15🔬 physics

Teaching Artificial Intelligence to Perform Rapid, Resolution-Invariant Grain Growth Modeling via Fourier Neural Operator

Este estudio presenta un modelo sustituto basado en el Operador de Red Neuronal de Fourier (FNO) que, al integrarse con el método de campo de fase, logra modelar la evolución de microestructuras de crecimiento de grano de manera precisa, rápida e invariante a la resolución, superando las limitaciones computacionales y de generalización de los enfoques tradicionales.

Iman Peivaste, Ahmed Makradi, Salim Belouettar2026-04-15🔬 physics

What metric to optimize for suppressing instability in a Vlasov-Poisson system?

Este estudio analiza la estabilización de sistemas Vlasov-Poisson mediante optimización restringida por EDPs, demostrando que las funciones objetivo que incorporan información integrada en el tiempo generan paisajes de optimización más convexos y favorables para métodos basados en gradientes, mientras que el análisis de la relación de dispersión proporciona estimaciones iniciales efectivas cerca del óptimo global.

Martin Guerra, Qin Li, Yukun Yue, Leonardo Zepeda-Núñez2026-04-15🔬 physics

Body-Free Simulation of Three-Dimensional Turbulent Cylinder Wakes

Este artículo presenta un marco de simulación sin cuerpo que reconstruye con precisión las estelas turbulentas tridimensionales de cilindros mediante la prescripción de perfiles de entrada extraídos de datos experimentales o DNS, demostrando que la dinámica esencial del flujo está gobernada por la inestabilidad del perfil de la estela cercana y no por la presencia explícita del cuerpo, lo que permite una reducción significativa del costo computacional.

Zhicheng Wang, Theo Käufer, Khemraj Shukla, Michael Triantafyllou, George Em Karniadakis2026-04-15🔬 physics

Fast and principled equation discovery from chaos to climate

El artículo presenta Bayesian-ARGOS, un marco híbrido que combina cribado frecuentista rápido e inferencia bayesiana enfocada para descubrir ecuaciones gobernantes a partir de datos ruidosos y escasos con cuantificación de incertidumbre rigurosa, superando a los métodos actuales en eficiencia, precisión y estabilidad en sistemas que van desde el caos hasta patrones climáticos globales.

Yuzheng Zhang, Weizhen Li, Rui Carvalho2026-04-15🤖 cs.LG