1164 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 un método de corrección de deriva basado en referencias de instantáneas (SSR) que utiliza funciones de base de Bézier y lineales a trozos para eliminar las distorsiones espaciales en mapas espectrales de microscopía electrónica de barrido sin necesidad de hardware especializado.
Este estudio presenta un análisis multiescala que integra modelos sustitutos en el programa TMAP8 para evaluar rápidamente el comportamiento del tritio en el diseño de una planta piloto de fusión, optimizando así la gestión del ciclo de combustible y el diseño de componentes.
Este artículo ofrece una visión integral sobre cómo los operadores neuronales, como enfoque de aprendizaje automático basado en datos, complementan y superan las limitaciones computacionales de los métodos numéricos tradicionales para resolver ecuaciones diferenciales parciales en física e ingeniería, destacando sus ventajas de invariancia y velocidad mientras se abordan sus desafíos abiertos.
Los autores proponen un método mejorado de aprendizaje automático basado en redes neuronales profundas no completamente conectadas y aprendizaje no supervisado para calcular el estado fundamental de sistemas de dos cuerpos con grados de libertad de espín e isoespín, validando su eficacia mediante el cálculo del estado ligado del deuterón.
El artículo presenta LaSDI-IT, un marco de aprendizaje automático que combina dinámicas latentes y codificación consciente de interfaces para modelar con alta precisión y eficiencia la evolución de fronteras móviles en sistemas físicos complejos, como el colapso de poros inducido por ondas de choque en explosivos, logrando una aceleración de 106 veces respecto a las simulaciones tradicionales.
Este estudio demuestra que la excitación fonónica dirigida puede modular reversiblemente la conductividad térmica del arseniuro de boro en estado masivo, revelando que la dispersión de cuatro fonones es determinante para lograr una supresión significativa y dependiente de la frecuencia del transporte térmico.
Este trabajo demuestra que un algoritmo de recocido global que integra movimientos locales con propuestas de aprendizaje automático supera en rendimiento y robustez a los métodos clásicos de vanguardia, como el recocido simulado y el recocido de población, para resolver problemas de vidrios de espín en tres dimensiones sin necesidad de ajuste de hiperparámetros.
Este estudio utiliza métodos de Monte Carlo cuántico para validar y extender la aplicabilidad del ansatz de Bisognano-Wichmann en retículos a una amplia variedad de fases cuánticas bidimensionales, demostrando que constituye una aproximación precisa incluso en sistemas sin invariancia de Lorentz ni traslacional.
Este estudio demuestra que la asimilación de observaciones del océano profundo es crucial para mejorar las predicciones de la superficie y subsuperficie en el Golfo de México, al revelar que las características iniciales de los remolinos mesoescalares profundos influyen significativamente en la evolución del campo superficial, como se evidencia durante el evento de separación del remolino del Eddy Thor.
El artículo presenta LEDDS, un marco de código abierto que demuestra que las simulaciones acopladas LBM-DEM complejas pueden ejecutarse de manera eficiente y portátil en GPUs mediante primitivas algorítmicas de alto nivel, logrando un rendimiento comparable a los solvers de CUDA optimizados manualmente sin sacrificar la claridad del código.