1223 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 trabajo introduce un marco de aprendizaje bayesiano llamado Layered LHV-Net para caracterizar la no localidad genuina en redes cuánticas, identificando configuraciones de medición más robustas al ruido y demostrando que la no localidad persiste incluso cuando las fuentes comparten cierta cantidad de aleatoriedad clásica.
El artículo presenta *pylevin*, un paquete de Python que utiliza el método de Levin para calcular de manera eficiente y estable integrales altamente oscilatorias que contienen hasta tres funciones de Bessel, superando significativamente en velocidad y robustez a los métodos de cuadratura adaptativa estándar.
Este artículo presenta un nuevo esquema de iteración de punto fijo basado en las ecuaciones de propagación bidireccional de pulsos para resolver problemas de dispersión electromagnética no lineal en geometrías tipo lámina con respuestas materiales arbitrarias, demostrando su convergencia y precisión en un caso de respuesta no lineal compuesta por componentes electrónicos y moleculares.
Este trabajo presenta una teoría de pseudomodos de Lindblad acoplados que permite simular dinámicas cuánticas no markovianas con una escala eficiente de recursos y un algoritmo numérico robusto, mejorando significativamente las simulaciones tanto clásicas como en plataformas cuánticas de corto plazo.
Este artículo presenta el diseño de redes magnéticas mediante un algoritmo de optimización evolutiva inspirado en la computación cuántica (BQP) para minimizar la energía libre en sistemas de Ising, validando su eficacia frente a algoritmos genéticos y demostrando su escalabilidad en retículas de hasta donde los métodos convencionales resultan inviables.
El artículo presenta "split-flows", un enfoque novedoso basado en flujos que reformula el proceso de retroconversión (backmapping) como un transporte de medida continuo entre resoluciones, permitiendo no solo la generación precisa de estructuras atómicas a partir de modelos de grano grueso, sino también el cálculo directo de la entropía de mapeo para cuantificar la información perdida.
Este artículo presenta un marco de primeros principios basado en la teoría de perturbaciones del funcional de la densidad para calcular fonones en nanoestructuras con simetría cíclica o helicoidal, demostrando su precisión mediante el estudio de nanotubos de carbono y su aplicación al cálculo de módulos elásticos y leyes de escala de frecuencias fonónicas.
Este artículo presenta un marco riguroso para medir cómo los modelos de aprendizaje automático no restringidos aprenden simetrías físicas, demostrando que inyectar estratégicamente los sesgos inductivos mínimos necesarios permite lograr una estabilidad y precisión superiores sin sacrificar la expresividad ni la escalabilidad de arquitecturas flexibles.
Este estudio demuestra que, aunque los efectos cuánticos son significativos para la permeación de hidrógeno a través de grafodiyino, las simulaciones de dinámica molecular clásicas con correcciones cuánticas pueden reproducir razonablemente los resultados y que incluir el movimiento térmico de la membrana es crucial para obtener predicciones precisas al reducir las barreras de permeación.
Este artículo presenta una implementación de código abierto en PySCF de un algoritmo multigrid Gaussian-Plane-Wave acelerado por GPU que logra hasta un 25x de velocidad en cálculos de teoría del funcional de la densidad, permitiendo el análisis de sistemas con miles de átomos en segundos.