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.
Este estudio demuestra que la exploración computacional de alto rendimiento de más de 30.000 complejos de disprosio permite identificar ligandos orgánicos que optimizan la segunda esfera de coordinación, logrando un aumento del 100% en la anisotropía magnética respecto a compuestos de referencia mediante un ajuste fino no intuitivo.
Este trabajo presenta un marco sistemático que utiliza un modelo sustituto de aprendizaje profundo entrenado con datos clínicos para predecir instantáneamente la hemodinámica personalizada y estimar parámetros no medibles, lo que permite la generación eficiente de cohortes sintéticas fisiológicas y la estimación de parámetros centrales como el gasto cardíaco y la presión sistólica aórtica.
Este trabajo presenta un marco no invasivo y personalizado que utiliza redes neuronales informadas por física (PINNs) para reconstruir con alta precisión y rapidez los campos de flujo y presión arterial a partir de mediciones mínimas de presión con manguito, permitiendo la estimación de parámetros hemodinámicos centrales clave como el gasto cardíaco y la presión sistólica central.
El artículo presenta un algoritmo eficiente que evita la redundancia en la enumeración de triangulaciones de poliedros al generar directamente variedades de Calabi-Yau no equivalentes mediante vectores de altura en la intersección de conos secundarios, logrando una reducción drástica en el número de operaciones necesarias.
El artículo presenta RiteWeight, un algoritmo que estima distribuciones estacionarias en simulaciones de dinámica molecular mediante la reponderación iterativa de trayectorias y un agrupamiento aleatorio que elimina los errores de discretización inherentes a los métodos tradicionales.
El artículo presenta PI-JEPA, un marco de preentrenamiento sin etiquetas para simulaciones de flujo en yacimientos que utiliza predicción latente enmascarada y regularización de residuos PDE para entrenar sustitutos neuronales sin resolver EDPs completas, logrando una mayor precisión con una fracción mínima de datos etiquetados en comparación con métodos supervisados.
Este trabajo presenta un marco de agentes autoevolutivos que mejora el diseño inverso de metasuperficies mediante la acumulación de habilidades reutilizables y la evaluación determinista, logrando un aumento significativo en el éxito de tareas y la eficiencia del flujo de trabajo sin modificar los pesos del modelo ni el solver físico.
Este artículo presenta una simulación exhaustiva de la evolución de los cúmulos de agujeros negros primordiales mediante la ecuación de coagulación de Smoluchowski, resolviéndola con el método de Monte Carlo para determinar los tiempos de desbordamiento y la evolución de la masa poblacional, lo que ayuda a explicar la existencia de agujeros negros supermasivos de alto corrimiento al rojo observados por el JWST.
Este artículo presenta un modelo de aprendizaje profundo multimodal basado en transformadores que, al no requerir suposiciones sobre la estacionariedad del viento o el comportamiento vibratorio normal, supera a los métodos existentes en la predicción de respuestas estructurales y ofrece un gemelo digital para la detección temprana de anomalías en el monitoreo de la salud estructural de puentes, como se demuestra con datos reales del Puente de Hardanger.
Este artículo presenta un modelo validado de transporte y evaporación de gotas de litio en plasmas de borde de tokamaks, desarrollado en el código OpenEdge, que demuestra cómo el tamaño, la velocidad y la ubicación de lanzamiento determinan si las gotas se evaporan o redepositan en las paredes, permitiendo una evaluación autoconsistente de su impacto en el rendimiento del plasma mediante acoplamientos unidireccionales y bidireccionales.