879 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 función de mezcla mejorada para un esquema compacto de upwinding modificado que combina eficazmente la precisión de alto orden de los esquemas compactos con la capacidad de captura de choques de WENO, permitiendo una resolución de choques nítida al tiempo que preserva la alta resolución en regiones suaves para aplicaciones como las interacciones choque-capa límite y choque-acústica.
Este artículo revisa y evalúa un método híbrido comprimido BEM/FEM que transforma matrices densas de elementos de contorno en matrices de rigidez dinámica de banda para resolver eficientemente problemas de dispersión de ondas elásticas en dominios semiinfinitos con requisitos de memoria reducidos para aplicaciones de ingeniería práctica.
Este artículo presenta una nueva formulación de elementos hexaedros multirresolución basada en un novedoso marco de subespacios de desplazamiento mutuamente anidados, lo que permite niveles de resolución ajustables para modular la precisión del análisis estructural de manera más eficiente y racional que los métodos tradicionales de resolución única.
Este artículo introduce la Interacción de Configuración de Vibración Dual (DVCI), un programa computacional eficiente en memoria que utiliza una novedosa factorización del Hamiltoniano basada en la dualidad y la segunda cuantización para calcular de manera rápida y precisa estados vibracionales infrarrojos específicos sin construir grandes bloques de matrices.
Este estudio propone un marco de modelado y optimización macroscópico basado en la teoría de Darcy–Forchheimer para diseñar intercambiadores de calor de red TPMS variable con anchos de canal no uniformes, lo cual, según confirma la validación experimental, logra una mejora del rendimiento del 28.7% sobre las configuraciones de red uniforme.
Este artículo propone una metodología que combina simuladores cinéticos diferenciables con optimización basada en gradientes para inferir con precisión los operadores de colisión de plasma directamente a partir de datos de espacio de fase, demostrando un rendimiento y eficiencia superiores en comparación con las estimaciones tradicionales basadas en el seguimiento de partículas.
Este artículo demuestra que la naturaleza rotacional de la turbulencia enseña inherentemente la equivariancia a las redes neuronales mediante el aumento de datos implícito, y que imponer explícitamente esta simetría como un sesgo inductivo arquitectónico mejora significativamente la generalización a través de diferentes condiciones de flujo al tiempo que reduce la complejidad del modelo.
Este estudio demuestra, mediante simulaciones de Monte Carlo dinámicas, que si bien la introducción de heterogeneidad en la movilidad a través de diferentes tasas de actualización en un polímero de red gaussiana 2D de dos bloques altera la dinámica de relajación interna y el desplazamiento cuadrático medio resuelto por bloques, el coeficiente de difusión del centro de masa mantiene el escalamiento estándar de la cadena ideal de .
Este artículo introduce la Dinámica Molecular con Kernel de Stein (SKMD), un novedoso método de muestreo mejorado que preserva la distribución de Boltzmann mientras utiliza la dinámica de partículas interactuantes y kernels conscientes de la simetría para adquirir de manera eficiente datos de entrenamiento diversos y no redundantes para el aprendizaje activo y el ajuste fino de potenciales interatómicos de aprendizaje automático.
Este artículo presenta un banco de pruebas sistemático y libre de datos de once arquitecturas de Redes Neuronales Informadas por la Física para el sistema rígido de Poisson-Nernst-Planck, demostrando que la estrategia de Tasa de Decaimiento de Residuos Balanceada (BRDR, por sus siglas en inglés) ofrece un equilibrio óptimo entre precisión y eficiencia computacional en comparación con otros métodos, al tiempo que proporciona una implementación de código abierto para investigaciones futuras.