917 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 propone un método de reducción de dimensionalidad basado en co-curtosis (CoK-PCA) que supera a la Análisis de Componentes Principales (PCA) tradicional al capturar con mayor precisión las dinámicas químicas localizadas y extremas en simulaciones de combustión, logrando menores errores de reconstrucción en estados termoquímicos y tasas de reacción.
Este artículo generaliza el popular método FDTD a un entorno sin mallas mediante la técnica RBF-FD y analiza sus propiedades en un problema de prueba sencillo.
Este trabajo presenta un análisis teórico generalizado del método de Boltzmann en red regularizado por Onsager (OReg), demostrando que permite simulaciones termohidrodinámicas no lineales precisas y sin correcciones externas en redes estándar mediante la compensación intrínseca de la anisotropía de la red y la obtención de modelos cinéticos de alto orden de precisión.
Mediante análisis de Fourier y simulaciones de alta precisión, este trabajo demuestra que en las transiciones de fase dinámicas de modelos de Ginzburg-Landau de campo medio, el campo conjugado correcto es la componente par del campo aplicado y que el parámetro de orden asociado a cada modo de Fourier obedece leyes de escalamiento específicas de y dependiendo de la simetría de la perturbación.
Este trabajo presenta un marco unificado de operadores neuronales con restricciones físicas que acelera la simulación Directa de Monte Carlo (DSMC) mediante un kernel de colisión neuronal estocástico para generalizar modelos de esferas duras variables y un operador dedicado para predecir ángulos de dispersión *ab initio*, logrando una reducción de costos computacionales y una alta fidelidad en flujos de gas raros fuera de equilibrio.
Este estudio demuestra que los espectros electrónicos de moléculas complejas generados mediante métodos *ab initio* exhiben universalidad de la teoría de matrices aleatorias (estadísticas de Wigner-Dyson del conjunto ortogonal gaussiano) y predice una transición al conjunto unitario gaussiano bajo campos magnéticos extremos, estableciendo así un marco general para organizar las predicciones de espectros de electrones interactuantes.
Mediante simulaciones de Monte Carlo cinético y un enfoque de promediado de campo, este estudio establece leyes de velocidad emergentes para las transiciones colectivas de moléculas de tetracianoetileno de tumbadas a erguidas en Cu(111), demostrando que la cinética global depende de procesos microscópicos acoplados y de parámetros geométricos intrínsecos, lo que permite derivar una expresión analítica para diseñar y controlar estos tiempos de transición en interfaces orgánico-inorgánicas.
El artículo presenta MBD-ML, una red neuronal de paso de mensajes preentrenada que predice directamente las propiedades atómicas necesarias para calcular interacciones de dispersión de muchos cuerpos (MBD) a partir de estructuras atómicas, permitiendo una integración eficiente y sin cálculos electrónicos intermedios en campos de fuerza y códigos de estructura electrónica.
Este trabajo presenta un método de mapeo característico generalizado con términos fuente para la magnetohidrodinámica ideal, el cual logra una precisión de tercer orden y una resolución excepcional mediante una descomposición recursiva de submapas y la integración de Duhamel.
Esta revisión presenta la primera visión unificada del aprendizaje científico en hidrología, proponiendo un marco metodológico coherente para integrar el conocimiento físico en modelos basados en datos y así superar la fragmentación actual para fomentar avances sistemáticos en la disciplina.