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 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.
Este estudio compara las técnicas de descomposición modal basadas en datos POD y DMD para analizar el flujo no estacionario en una turbina axial multietapa, revelando que ciertos métodos DMD logran una precisión de reconstrucción comparable a la POD mientras capturan con mayor fidelidad las frecuencias dinámicas dominantes, y establece una correlación entre los modos dinámicos específicos y la eficiencia adiabática en diferentes configuraciones de relojado.
Este trabajo presenta un modelo de reacción-advección-difusión que explica la formación de patrones de color no uniformes y múltiples anillos en sensores colorimétricos de sustratos porosos, demostrando que estos fenómenos surgen de la dinámica de transporte de masa y reacción sin necesidad de efectos de evaporación, y validando el modelo mediante experimentos de detección de plomo y nitrito.
Este estudio propone un nuevo método adaptativo de volumen finito-partícula (AFVPM) que combina la eficiencia del método de volumen finito en regiones de flujo masivo con la robustez de la hidrodinámica de partículas suavizadas (SPH) en la interfaz libre, logrando una simulación más precisa y eficiente de flujos con superficie libre que los enfoques SPH completos.
Este estudio demuestra numéricamente que la inclusión de la generación de segundo armónico (SHG) en redes neuronales difractivas mejora su rendimiento en tareas de clasificación, destacando la importancia crítica de la posición de la capa no lineal y estableciendo las restricciones necesarias para su implementación experimental.
Este trabajo presenta un marco que combina el método de Monte Carlo variacional de aprendizaje profundo transferible con regresión de procesos gaussianos para permitir la optimización geométrica *ab initio* precisa y eficiente de sistemas fuertemente correlacionados, facilitando la exploración de superficies de energía potencial complejas, incluidas la ruptura de enlaces y las reordenaciones estructurales.
Este artículo propone un marco de operador neuronal informado por física (PINO) que utiliza una función de pérdida híbrida y diversos operadores neuronales para lograr reconstrucciones rápidas, precisas y robustas de problemas de dispersión inversa electromagnética, superando a los métodos convencionales en escenarios con y sin información de fase.
Este artículo presenta una extensión del grupo de renormalización de redes tensoriales (TNRG) para incorporar simetrías de red y PT mediante un estudio de caso del modelo de gas de red de cuadrados rígidos, demostrando así su validez para calcular parámetros críticos y dimensiones de escalamiento en transiciones de fase continuas bidimensionales.
Este trabajo presenta un potencial interatómico aprendido por máquina basado en el marco NEP para aleaciones CrCoNi que, entrenado con datos de primeros principios, logra una precisión casi ab initio y una alta eficiencia computacional, permitiendo simulaciones a gran escala que capturan con fidelidad el comportamiento dependiente de la composición, incluido el orden de corto alcance, en todo el espacio composicional.
Mediante simulaciones de dinámica molecular, este estudio investiga cómo el impacto de un nanoclúster de argón induce ondas de deflexión transversal y calentamiento en una hoja de grafeno libre, cuyos comportamientos dinámicos se describen semicuantitativamente mediante la teoría de la elasticidad lineal y el principio de mínima disipación.