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 esquemas iterativos multinivel para resolver las ecuaciones de transporte de Boltzmann multigrupo mediante la descomposición de grupos y el cálculo paralelo, integrando ecuaciones de segundo momento de bajo orden y aceleración de Anderson para mejorar la convergencia y la eficiencia computacional.
Este artículo presenta métodos implícitos aproximados que utilizan la descomposición ortogonal propia (POD) para reducir los requisitos de memoria en problemas de transferencia radiativa térmica dependiente del tiempo, demostrando su eficacia mediante resultados numéricos en un problema de prueba de Fleck-Cummings.
Este artículo presenta y analiza un método de iteración multinivel basado en proyección no lineal y un ciclo V para resolver problemas de transporte de partículas lineales en mezclas estocásticas binarias mediante una jerarquía de ecuaciones de transporte, Yvon-Mertens y cuasidifusión.
Este artículo presenta un esquema iterativo multinivel basado en proyecciones no lineales que realiza ciclos de iteración sobre múltiples pasos de tiempo, alternando entre la ecuación de transporte de Boltzmann y ecuaciones de momentos para resolver problemas de transferencia radiativa térmica con discretización temporal totalmente implícita.
Este artículo presenta y evalúa un método computacional multiescala para problemas de transferencia radiativa térmica que combina el método de cuasidifusión multiescala con el método de características largas para resolver la ecuación de transporte de Boltzmann, validando su precisión y convergencia mediante pruebas de refinamiento de malla en el problema de Fleck-Cummings.
Este estudio propone una metodología robusta basada en potenciales de aprendizaje automático polinómicos para realizar búsquedas globales de estructuras cristalinas y evaluar su estabilidad de fase en condiciones de alta presión y temperatura, demostrando su eficacia mediante un análisis exhaustivo del silicio elemental.
Este trabajo presenta R-ChFSI, un método de iteración de subespacio filtrado por Chebyshev basado en residuos que garantiza una convergencia robusta y eficiente para problemas de valores propios hermitianos dispersos, permitiendo el uso de productos matriz-vector inexactos, inversas aproximadas y aritmética de baja precisión sin comprometer la precisión de los resultados.
Los autores presentan un protocolo cuántico que combina el recocido inverso con distribuciones iniciales optimizadas para estimar funciones de partición de vidrios de espín Ising, logrando una reducción drástica en la varianza del estimador y en la complejidad computacional a bajas temperaturas, superando así las limitaciones de los métodos clásicos y siendo viable para dispositivos cuánticos actuales.
Este estudio propone un marco de modelo de orden reducido basado en un autoencoder y ecuaciones diferenciales ordinarias neuronales, que incorpora una nueva función de pérdida con gradientes de variables latentes para lograr una integración temporal precisa y eficiente de sistemas reactivos rígidos, mejorando significativamente la precisión en condiciones fuera del conjunto de datos de entrenamiento.
El artículo presenta FFTArray, una biblioteca de Python de código abierto que automatiza la discretización de transformadas de Fourier multidimensionales para facilitar la implementación de métodos espectrales pseudo-espectrales en diversos sistemas de coordenadas y backends de hardware acelerado.