🔬 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.

Towards grounded autonomous research: an end-to-end LLM mini research loop on published computational physics

Este trabajo presenta un agente autónomo basado en LLM capaz de ejecutar un ciclo de investigación completo (leer, planificar, calcular, comparar, criticar y extender) en física computacional, demostrando su eficacia al identificar problemas en el 42% de los artículos analizados y generar, sin supervisión, un comentario publicable que revisa las conclusiones de un estudio de Nature Communications.

Haonan Huang2026-04-15🔬 physics

Transferable excited-state dynamics enable screening of fluorescent protein chromophores

Este trabajo presenta X-MACE, un potencial de aprendizaje automático transferible que, combinado con saltos de superficie impulsados por curvatura, permite una cribado eficiente de la dinámica de estados excitados en cromóforos de proteínas fluorescentes, revelando principios de diseño clave para modular sus propiedades fotofísicas mediante modificaciones estructurales.

Rhyan Barrett, Sophia Wesely, Julia Westermayr2026-04-15🔬 physics

Quantifying Weighted Morphological Content of Large-Scale Structures via Simulation-Based Inference

Este estudio demuestra mediante inferencia basada en simulaciones que los momentos condicionales de derivadas (CMD), una medida morfológica ponderada, ofrecen restricciones cosmológicas más precisas que los funcionales de Minkowski y superan al espectro de potencia en configuraciones seleccionadas por masa, destacando su capacidad para capturar información complementaria sobre las características anisotrópicas y no lineales de la estructura a gran escala.

M. H. Jalali Kanafi, S. M. S. Movahed2026-04-14🔭 astro-ph

Spatiotemporal Chaos and Defect Proliferation in Polar-Apolar Active Mixture

Mediante simulaciones hidrodinámicas, este estudio revela que una mezcla activa de componentes polares y apolares exhibe un régimen de caos espacio-temporal caracterizado por estructuras de bandas caóticas y proliferación de defectos topológicos, mostrando una respuesta no monótona a la densidad y actividad que supera el comportamiento de los cristales líquidos vivos.

Partha Sarathi Mondal, Tamas Vicsek, Shradha Mishra2026-04-14🔬 cond-mat

Flow Gym: A framework for the development, benchmarking, training, and deployment of flow-field quantification methods

Flow Gym es un marco de trabajo unificado que facilita el desarrollo, la evaluación, el entrenamiento y la implementación de métodos de cuantificación de campos de flujo, como la velocimetría por imágenes de partículas (PIV), mediante una interfaz estandarizada que integra algoritmos clásicos y basados en aprendizaje utilizando JAX para garantizar reproducibilidad y eficiencia.

Francesco Banelli, Antonio Terpin, Alan Bonomi, Raffaello D'Andrea2026-04-14🔬 physics

A critical assessment of bonding descriptors for predicting materials properties

Este estudio demuestra que la incorporación de descriptores de enlace químico cuántico, derivados de una base de datos de 13.000 materiales, mejora significativamente el rendimiento de los modelos de aprendizaje automático para predecir propiedades elásticas, vibracionales y termodinámicas, además de facilitar la identificación de expresiones intuitivas para dichas propiedades mediante regresión simbólica.

Aakash Ashok Naik, Nidal Dhamrait, Katharina Ueltzen, Christina Ertural, Philipp Benner, Gian-Marco Rignanese, Janine George2026-04-14🔬 cond-mat.mtrl-sci

Learning noisy phase transition dynamics from stochastic partial differential equations

Este trabajo presenta un modelo sustituto de aprendizaje automático para la ecuación estocástica de Cahn-Hilliard en 3D que, al parametrizar explícitamente las fluctuaciones térmicas a nivel de flujos intercelulares, garantiza la conservación de masa y la interpretabilidad termodinámica, logrando así reproducir con precisión fenómenos no accesibles a modelos deterministas como la nucleación activada térmicamente y la coarsening acelerada por ruido.

Luning Sun, Van Hai Nguyen, Shusen Liu, John Klepeis, Fei Zhou2026-04-14🔬 physics