1230 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 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.
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.
Este trabajo extiende el enfoque de retroflujo de redes neuronales (NNBF) a materiales sólidos *ab-initio* mediante una estrategia de poda de dos etapas que optimiza la eficiencia y la precisión, logrando resultados de vanguardia en cadenas de hidrógeno, grafeno y silicio.
Los autores desarrollan un potencial electrónico atómico escalable que supera las limitaciones computacionales actuales para modelar con precisión el acoplamiento electrón-fonón y el transporte electrónico en sistemas de grafeno bicapa retorcido a escala de moiré, permitiendo predecir tendencias experimentales clave como el aumento drástico de la resistividad al reducir el ángulo de giro.
Este artículo presenta una demostración totalmente reproducible de un flujo de trabajo científico asistido por IA, que utiliza problemas de referencia canónicos en física y matemáticas para validar que la inteligencia artificial puede actuar como un copiloto útil y confiable en la derivación, implementación y preparación de manuscritos científicos, siempre que sus resultados sean estrictamente verificados mediante teoría de referencia y artefactos transparentes.
El estudio demuestra que una red hipotética de sensores de presión en el lecho marino, combinada con un marco de inferencia bayesiana que separa el procesamiento en fases offline y online, permite realizar pronósticos probabilísticos de tsunamis en tiempo real con alta precisión en la zona de subducción de Cascadia, superando las limitaciones actuales de observación.
Este estudio demuestra mediante cálculos *ab initio* que, aunque los momentos magnéticos locales persisten en los altermagnetos CrSb y MnTe por encima de su temperatura de Néel, la degeneración de espín de Kramers se restaura de manera suave con el aumento de la temperatura, pero con diferencias críticas: en el CrSb metálico esto ocurre a temperaturas bajas causando una fuerte dispersión de los estados electrónicos, mientras que en el MnTe semiconductor la restauración solo se completa cerca o por encima de la temperatura de Néel sin afectar significativamente la brecha de banda.
Este estudio propone un nuevo marco de autoencoder convolucional y ecuaciones diferenciales neuronales (CAE-NODE) que logra un modelo de orden reducido preciso y eficiente para la simulación de la dinámica transitoria de llamas contraflujo bidimensionales, capturando con alta fidelidad procesos complejos como la ignición y la propagación de la llama con errores relativos inferiores al 2%.
Este artículo propone un modelo de cierre consistente para la simulación de grandes remolinos (LES) mediante la aproximación directa del término de advección filtrada, lo que elimina inconsistencias conceptuales y mejora la precisión de los espectros de energía cinética y las correlaciones de velocidad en comparación con los métodos LES clásicos.
Este trabajo presenta una reformulación estocástica del marco AMIAS/RISE para la tomografía de emisión que utiliza el muestreo Hamiltoniano para generar conjuntos de imágenes, permitiendo cuantificar la incertidumbre y validar modelos físicos más allá de las reconstrucciones puntuales tradicionales.