🔬 Category

physics.comp-ph

1229 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.

A robust high-resolution algorithm for quadrature-based moment methods applied to high-speed polydisperse multiphase flows

Este artículo presenta un algoritmo Euleriano de alta resolución basado en momentos cuadráticos para simular flujos multifásicos granulares polidispersos de alta velocidad, el cual acopla ecuaciones de gas compresible con ecuaciones de momentos de masa cerradas mediante el método generalizado de cuadratura y resuelve las interacciones mediante esquemas de reconstrucción de alta resolución y problemas de Riemann desacoplados.

Jacob W. Posey, Rodney O. Fox, Ryan W. Houim2026-03-17🔬 physics

Hierarchy of extreme-event predictability in turbulence revealed by machine learning

Mediante el uso de un modelo de difusión condicional autoregresivo entrenado con simulaciones numéricas directas, este estudio revela que la predictibilidad de los eventos extremos en la turbulencia de Kolmogorov sigue una jerarquía dependiente del estado, donde la persistencia de estructuras coherentes a gran escala y la vida útil de núcleos de deformación intensos determinan los horizontes de predicción individuales.

Yuxuan Yang, Chenyu Dong, Gianmarco Mengaldo2026-03-17🌀 nlin

Information-Driven Phase Transition on Weighted Graphs with Spontaneous Dimensional Sensitivity

El estudio presenta un modelo de flujo de información en grafos ponderados que evoluciona según una medida de curvatura espectral, revelando una transición de fase crítica donde la correlación entre el flujo y la estructura emerge espontáneamente, junto con una relación de Poisson discreta que exhibe sensibilidad dimensional sin parámetros explícitos, sugiriendo analogías con firmas gravitacionales.

Valerio Dolci2026-03-17🔬 cond-mat

Manufacturable blazed metasurface gratings designed by 3D topology optimization model

Este trabajo presenta un marco de optimización topológica 3D que generaliza el diseño de metagratings con blaze para el rango visible e infrarrojo cercano, logrando un equilibrio entre alto rendimiento óptico y fabricabilidad mediante la transición de estructuras libres a una parametrización basada en pilares compatible con litografía de haz de electrones.

Simon Ans (Laboratoire d'Astrophysique de Marseille, Institut Fresnel), Frédéric Zamkotsian (Laboratoire d'Astrophysique de Marseille), Guillaume Demésy (Institut Fresnel)2026-03-17🔬 physics.optics

Auto-WHATMD : Automated Wasserstein-based High-dimensional feature extraction Analysis of Trajectories from Molecular Dynamics

El artículo presenta auto-WHATMD, un algoritmo automatizado que utiliza la distancia de transporte óptimo y el recocido simulado para extraer y priorizar automáticamente residuos clave en trayectorias de dinámica molecular de alta dimensión, permitiendo comparar eficazmente sistemas proteicos y correlacionar sus características con afinidades de unión.

Sosuke Asano, Ikki Yasuda, Katsuhiro Endo, Yoshinori Hirano, Kenji Yasuoka2026-03-17🔬 physics

Excited Pfaffians: Generalized Neural Wave Functions Across Structure and State

Este trabajo presenta las "Excited Pfaffians", una arquitectura de redes neuronales que, combinada con el muestreo de importancia multiestado, permite representar de manera eficiente y precisa múltiples estados excitados y superficies de energía potencial en una sola red, logrando una aceleración significativa y una mayor escalabilidad en sistemas cuánticos como el dimer de carbono y el átomo de berilio.

Nicholas Gao, Till Grutschus, Frank Noé, Stephan Günnemann2026-03-17⚛️ quant-ph

A Deep-Learning-Boosted Framework for Quantum Sensing with Nitrogen-Vacancy Centers in Diamond

Este artículo presenta un marco de aprendizaje profundo basado en redes neuronales convolucionales unidimensionales que permite un análisis en tiempo real, robusto y eficiente de los espectros de resonancia magnética ópticamente detectada (ODMR) de los centros de vacante de nitrógeno en diamante, superando las limitaciones de los métodos de ajuste no lineal convencionales, especialmente en condiciones de baja relación señal-ruido.

Changyu Yao, Haochen Shen, Zhongyuan Liu, Ruotian Gong, Md Shakil Bin Kashem, Stella Varnum, Liangyu Li, Hangyue Li, Yue Yu, Yizhou Wang, Xiaoshui Lin, Jonathan Brestoff, Chenyang Lu, Shankar Mukherji (…)2026-03-17🔬 physics.app-ph