physics.comp-ph 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 Integral Decimation Method for Quantum Dynamics and Statistical Mechanics

El artículo presenta el método de decimación integral, un algoritmo inspirado en la mecánica cuántica que descompone integrales multidimensionales en productos de funciones matriciales mediante un tren tensorial espectral, reduciendo la complejidad computacional de exponencial a polinómica y permitiendo el cálculo eficiente de propiedades termodinámicas y matrices de densidad en sistemas complejos donde los métodos convencionales fallan.

Ryan T. Grimm, Alexander J. Staat, Joel D. Eaves2026-04-09⚛️ quant-ph

DYNAMITE: A high-performance framework for solving Dynamical Mean-Field Equations

El artículo presenta \textsc{Dynamite}, un marco de alto rendimiento que resuelve las ecuaciones de campo medio dinámicas (DMFE) hasta tiempos sin precedentes ( $t=O(10^7)$ ) mediante técnicas avanzadas como interpolación no uniforme y renormalización numérica, permitiendo el estudio de dinámicas lentas en paisajes energéticos complejos con una eficiencia y precisión superiores a los métodos existentes.

Johannes Lang, Vincenzo Citro, Luca Leuzzi, Federico Ricci-Tersenghi2026-04-09🔬 cond-mat

Calibration of a neural network ocean closure for improved mean state and variability

Este artículo presenta un método de calibración basado en la inversión de Kalman por conjuntos para optimizar los parámetros de una red neuronal que parametriza los remolinos mesoescalares, logrando reducir significativamente los errores en el estado medio y la variabilidad de los modelos oceánicos de resolución gruesa.

Pavel Perezhogin, Alistair Adcroft, Laure Zanna2026-04-09🔬 physics

Monte Carlo Simulations of Suprathermal Enhancement in Advanced Nuclear Fusion Fuels

Este estudio mediante simulaciones Monte Carlo descarta la viabilidad de reacciones en cadena autosustentables en combustibles deuterio puros o aneutrónicos como el $^{11}$ BH $_3$ , concluyendo que la ganancia de energía supratérmica es limitada y solo el combustible DT podría alcanzar un régimen crítico bajo condiciones ideales sin fuga de neutrones.

Marcus Borscz, Thomas A. Mehlhorn, Patrick A. Burr, Igor Morozov, Sergey Pikuz2026-04-09🔬 physics

Granular mixing and flow dynamics in horizontal stirred bed reactors

Este estudio utiliza simulaciones del Método de Elementos Discretos (DEM) para analizar cómo la velocidad de rotación y el nivel de llenado afectan la mezcla, la circulación y la dispersión axial de polipropileno en reactores de lecho agitado horizontal, revelando que aunque una mayor velocidad de rotación acelera la homogeneización, un mayor nivel de llenado la ralentiza, lo que destaca la necesidad de equilibrar estas condiciones operativas para optimizar el proceso.

Sahar Pourandi, Igor Ostanin, Thomas Weinhart2026-04-09🔬 physics

Nonpertubative Many-Body Theory for the Two-Dimensional Hubbard Model at Low Temperature: From Weak to Strong Coupling Regimes

Este trabajo presenta un marco teórico no perturbativo que, mediante un esquema de simetrización y la teoría de covarianza GW, resuelve la contradicción entre las transiciones de fase de Landau y el teorema de Mermin-Wagner en el modelo de Hubbard bidimensional, logrando un acuerdo preciso con simulaciones de Monte Carlo cuántico y ofreciendo una herramienta fiable para estudiar superconductores de alta temperatura.

Ruitao Xiao, Yingze Su, Junnian Xiong, Hui Li, Huaqing Huang, Dingping Li2026-04-08🔬 physics.atom-ph

Primitive variable regularization to derive novel Hyperbolic Shallow Water Moment Equations

Este artículo presenta nuevas ecuaciones hiperbólicas de momentos para aguas someras derivadas mediante una regularización en variables primitivas, las cuales superan las limitaciones de los modelos existentes garantizando hiperbolicidad, estados estacionarios interpretables y la preservación de la ecuación de momento para lograr mayor precisión.

Julian Koellermeier2026-04-08🔬 physics

Choosing a Suitable Acquisition Function for Batch Bayesian Optimization: Comparison of Serial and Monte Carlo Approaches

Este estudio compara funciones de adquisición para optimización bayesiana por lotes y concluye que, en la optimización de funciones de hasta seis dimensiones sin conocimiento previo del paisaje o del ruido, la aproximación qUCB es la más adecuada para maximizar la confianza en el óptimo modelado minimizando el número de muestras costosas.

Imon Mia, Mark Lee, Weijie Xu, William Vandenberghe, Julia W. P. Hsu2026-04-08🔬 cond-mat.mtrl-sci

Collective Rabi-driven vibrational activation in molecular polaritons

Este artículo reporta un mecanismo previamente desconocido de activación vibracional en polaritones moleculares, donde las oscilaciones de Rabi electrónicas colectivas en cavidades ópticas impulsadas coheren la dinámica nuclear, maximizando la activación cuando la división polaritónica colectiva resuena con un modo vibracional molecular.

Carlos M. Bustamante, Franco P. Bonafé, Richard Richardson, Michael Ruggenthaler, Wenxiang Ying, Abraham Nitzan, Maxim Sukharev, Angel Rubio2026-04-08🔬 physics

Sparse Autoencoders as a Steering Basis for Phase Synchronization in Graph-Based CFD Surrogates

Este trabajo propone un marco de "dirección de fase" que utiliza autoencoders dispersos para corregir la deriva temporal en modelos sustitutos de dinámica de fluidos computacional basados en grafos, demostrando que la manipulación de representaciones latentes desentrelazadas permite ajustar la sincronización de flujos oscilatorios sin necesidad de reentrenamiento.

Yeping Hu, Ruben Glatt, Shusen Liu2026-04-08💻 cs

← Anterior Siguiente →