133 artículos
Este artículo establece un límite fundamental independiente de la tecnología para la capacidad de información de la magnetoencefalografía, derivado de la resolución energética cuántica y el metabolismo cerebral, que impone una tasa máxima de 2,2 Mbit/s y revela una compensación inherente entre el ancho de banda temporal y espacial debido a la supresión geométrica de los componentes multipolares superiores.
Este artículo presenta un método de optimización basado en gradientes que utiliza una estimación Gumbel-Softmax de paso directo para permitir la diferenciación eficiente a través de simulaciones estocásticas exactas, logrando así una inferencia de parámetros robusta y un diseño inverso en sistemas de dinámica de Markov de tiempo continuo.
Este artículo propone TAPINN, un enfoque de redes neuronales informadas por física que utiliza regularización métrica supervisada y optimización alterna para mitigar el sesgo espectral y el colapso de modos en sistemas dinámicos con transiciones de régimen abruptas, logrando una mayor precisión física y estabilidad en comparación con los métodos estándar.
El estudio concluye que, aunque las Redes Kolmogorov-Arnold (KAN) son competitivas en residuos polinómicos univariados, su inestabilidad hiperparamétrica y su fallo sistemático en términos multiplicativos y configuraciones profundas las hacen inferiores a las MLP estándar para la recuperación de términos desconocidos en sistemas oscilatorios con restricciones físicas.
Este estudio presenta la primera comparación sistemática de siete códigos hidrodinámicos que demuestran un acuerdo cualitativo en el comportamiento de la inestabilidad de corriente, aunque revelan variaciones cuantitativas significativas en las densidades máximas dependiendo del tratamiento del polvo (partículas frente a fluido) y de la resolución, además de destacar la superior eficiencia energética y escalabilidad de las implementaciones en GPU.
Este artículo compara los algoritmos de barrido y ordenación frente a los códigos de árbol para el cálculo de vecindades en simulaciones de elementos discretos bidimensionales, concluyendo que, aunque los códigos de árbol ofrecen un rendimiento ligeramente superior y mejores posibilidades de paralelización, lo hacen a costa de una complejidad ciclomática significativamente mayor.
Este estudio presenta un marco de diseño inverso que combina algoritmos genéticos y simulaciones micromagnéticas en el dominio de la frecuencia para optimizar cristales magnónicos bidimensionales, logrando descubrir estructuras de red no convencionales con grandes bandas prohibidas magnónicas.
Este estudio presenta a Ara, un agente impulsado por un modelo de lenguaje grande que acelera significativamente el descubrimiento de marcos orgánicos covalentes (COFs) fotocatalíticos duraderos y estables al navegar eficientemente un vasto espacio de diseño químico para superar la compensación tradicional entre actividad y estabilidad frente a la hidrólisis.
Este estudio extiende la teoría de la relajación espín-red a procesos de tres fonones en un complejo de nitruro de cromo, demostrando que, aunque estos efectos son despreciables a temperaturas experimentales en este sistema, su validación confirma la suposición de acoplamiento débil y establece las bases para explorar regímenes de acoplamiento fuerte en materiales moleculares.
Este artículo presenta un método de elementos de contorno de Galerkin en el dominio del tiempo espacio-tiempo para la simulación eficiente y estable de la dispersión y el blindaje acústico en fuentes aeroacústicas complejas, validando su precisión mediante casos analíticos y su concordancia con mediciones experimentales en un caso práctico de hélice montada en el borde de fuga.
Este estudio presenta el sPI-GeM, un modelo generativo profundo informado por la física que supera las limitaciones de escalabilidad espacial existentes para resolver con precisión problemas directos e inversos de ecuaciones diferenciales estocásticas en espacios de alta dimensión tanto estocásticos como espaciales.
Este artículo presenta el algoritmo SOG-TNN, una red neuronal tensorial basada en sumas de gaussianas que resuelve de manera eficiente y precisa la ecuación de Schrödinger de alta dimensión mediante una descomposición de rango bajo y un esquema de división de rangos para manejar las interacciones de Coulomb y superar la maldición de la dimensionalidad.
Este artículo presenta una formulación de métodos híbridos de alto orden (HHO) para flujos incompresibles de densidad variable que garantiza la conservación exacta del volumen y la puridad de la advección de la densidad, ofreciendo ventajas como robustez frente a la presión, conservación de límites de densidad y eficiencia computacional, las cuales se validan mediante pruebas de convergencia y simulaciones de la inestabilidad de Rayleigh-Taylor.
Mediante simulaciones de Monte Carlo con intercambio de réplicas, este estudio revela que en el modelo de Ising tridimensional con enlaces aleatorios, la transición de percolación de dos cúmulos de igual densidad ocurre por encima de la transición termodinámica de ordenamiento, divergiendo sus densidades únicamente en los puntos críticos ferromagnético o de vidrio de espín, lo que proporciona una firma de percolación para estas transiciones de fase.
Este trabajo demuestra mediante simulaciones que la presencia de dislocaciones de mal ajuste y de roscado en las interfaces PbTe-PbSe reduce significativamente la energía superficial en comparación con las interfaces coherentes, alcanzando disminuciones de hasta un 50% en los procesos de crecimiento epitaxial.
Este artículo presenta el conjunto de datos OPoly26, que incluye más de 6,57 millones de cálculos de teoría del funcional de la densidad (DFT) en sistemas poliméricos, para superar la falta de datos en el campo y mejorar el rendimiento de los modelos de aprendizaje automático destinados a predecir propiedades de polímeros y avanzar hacia modelos atómicos universales.
Los autores proponen un marco generativo impulsado por la simetría que combina modelos de lenguaje grandes y una búsqueda heurística de haz de complejidad lineal para predecir estructuras cristalinas novedosas y físicamente válidas directamente a partir de la composición química, superando así los cuellos de botella combinatorios y la dependencia de bases de datos existentes.
Presentamos *peapods*, un paquete de código abierto en Python con núcleo en Rust que acelera las simulaciones de Monte Carlo para sistemas de espines de Ising mediante algoritmos avanzados de actualización de espines y clusters, optimizados para el paralelismo y validados frente a temperaturas críticas exactas.
Este trabajo demuestra que la incorporación de un mecanismo de retroalimentación sináptica en un modelo de cerebro cuántico basado en Lipkin-Meshkov-Glick reconfigura sustancialmente su diagrama de fases, expandiendo la fase paramagnética y desplazando los límites críticos, lo cual se caracteriza mediante distribuciones de Husimi, entropía de Wehrl y dinámicas de campo medio que validan la idoneidad del modelo para estudiar cómo la plasticidad sináptica modula la criticidad colectiva.
El estudio presenta SMARL, un enfoque de aprendizaje por refuerzo en línea que desarrolla cierres de subescala estables y generalizables para simulaciones de turbulencia geofísica, logrando reproducir con precisión estadísticas de alta fidelidad y eventos extremos utilizando hasta cinco órdenes de magnitud menos de grados de libertad.