1234 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 RadField3D, una aplicación de simulación Monte Carlo basada en Geant4 y un formato de datos rápido con API en Python, diseñados para generar conjuntos de datos tridimensionales de campos de radiación que faciliten la investigación de métodos de simulación alternativos mediante aprendizaje profundo en dosimetría de protección radiológica.
Este trabajo presenta la implementación y aceleración en GPU del solver de frontera inmersida de interfaz aguda ViCar3D, logrando una velocidad de cálculo 20 veces superior a la versión basada en CPU y una eficiencia de escalado superior al 90% para simulaciones de flujo a gran escala con hasta 200 millones de puntos de malla.
Este estudio propone un paradigma de intercalación en bicapas de V2Se2O que transforma altermagnetos en multiferroicos ferrimagnéticos-ferroelásticos a temperatura ambiente, logrando un filtrado de espín casi perfecto y efectos de transporte anómalo y de espín mejorados, como una magnetorresistencia gigante y efectos de Seebeck de espín.
Este artículo presenta un esquema de caminatas cuánticas cíclicas dependientes del paso que, mediante transformadas de Fourier discretas y un Hamiltoniano efectivo, permite generar de manera eficiente y sin protocolos complejos fases topológicas, bandas planas y estados de borde protegidos en grafos cíclicos, demostrando su robustez frente a desórdenes y perturbaciones para aplicaciones en tecnologías cuánticas tolerantes a fallos.
DRIFT-Net es una nueva arquitectura de operador neuronal que mejora la eficiencia y precisión en la resolución de EDPs mediante un diseño de doble rama que combina información espectral global y detalles espaciales locales, superando a los modelos basados en atención en benchmarks de Navier-Stokes al reducir el error y la acumulación de desviación.
El artículo propone un nuevo paradigma de unión de túnel totalmente altermagnética (RuO2/NiF2/RuO2) que, al eliminar los campos de dispersión y combinar las ventajas de los ferromagnetos y antiferromagnetos, logra una magnetorresistencia de túnel excepcionalmente alta y una filtración de espín eficiente mediante el control de la alineación de sus componentes.
Este artículo presenta un marco de cálculo de todos los electrones para las tasas de dispersión de materia oscura con electrones en sólidos que incorpora efectos de campo local mediante la aproximación de fase aleatoria, demostrando su importancia crítica en cristales de silicio y otros materiales para predecir con precisión los espectros de retroceso y las sensibilidades de detección.
Este artículo propone un marco de diseño experimental óptimo basado en Bayes, que utiliza aproximaciones gaussianas y sustitutas para maximizar la información obtenida y reducir la incertidumbre en la identificación de parámetros de leyes constitutivas dependientes de la historia mediante la optimización de geometrías y trayectorias de carga.
Este estudio presenta un esquema de partículas deterministas variacionales de orden reducido que integra la descomposición ortogonal propia (POD) para acelerar significativamente la simulación de ecuaciones de Fokker-Planck en dinámica de polímeros microscópicos, logrando una reducción drástica del tiempo computacional y de los grados de libertad con un error relativo mínimo en comparación con el modelo original.
Este artículo establece leyes de escala empíricas que revelan que las redes neuronales informadas por física de una sola capa sufren de patologías de optimización dules, donde el error de solución no disminuye con el ancho de la red y se ve exacerbado por la no linealidad debido al sesgo espectral, demostrando que la optimización, y no la capacidad de aproximación, es el principal cuello de botella.