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.

Non-uniqueness of smooth solutions of the Navier-Stokes equations from almost the same initial conditions

Mediante simulaciones numéricas limpias, este trabajo presenta evidencias de que las ecuaciones de Navier-Stokes pueden admitir soluciones globales distintas a partir de condiciones iniciales casi idénticas, con diferencias tan pequeñas como 104010^{-40}, lo cual aporta perspectivas sobre el problema de la unicidad y existencia asociado al Premio del Milenio.

Shijun Liao, Shijie Qin2026-02-17🌀 nlin

Quantum Algorithm Framework for Phase-Contrast Transmission Electron Microscopy Image Simulation

Este artículo presenta un marco de algoritmo cuántico que simula la formación de imágenes de microscopía electrónica de transmisión con contraste de fase utilizando un circuito cuántico tolerante a fallos, validando sus resultados contra simulaciones clásicas y destacando su ventaja para consultas en el espacio de Fourier y observables coherentes, aunque no para la reconstrucción completa de imágenes.

Sean D. Lam, Roberto dos Reis2026-02-17🔬 cond-mat.mtrl-sci

Data-Efficient Machine learning for Predicting Dopant Formation Energies in TiO2_2 Monolayer

Este estudio demuestra que es posible predecir con precisión las energías de formación de dopantes en monocapas de TiO₂ utilizando modelos de aprendizaje automático entrenados con conjuntos de datos pequeños pero físicamente fundamentados, logrando así una transferencia química efectiva entre diferentes configuraciones de dopaje.

Kati Asikainen, Matti Alatalo, Marko Huttula, Assa Aravindh Sasikala Devi2026-02-17🔬 cond-mat.mtrl-sci

Auxiliary field quantum Monte Carlo at the basis set limit: application to lattice constants

Los autores presentan una implementación de Monte Carlo cuántico de campo auxiliar (AFQMC) en el límite de la base completa dentro de VASP que, al utilizar el formalismo PAW, corrige sistemáticamente las deficiencias de métodos como MP2 y RPA para calcular constantes de red con una precisión excepcional del 0,14 % respecto a los datos experimentales.

Moritz Humer, Martin Schlipf, Zoran Sukurma, Sajad Bazrafshan, Georg Kresse2026-02-17🔬 physics

Physics-Informed Neural Network for Elastic Wave-Mode Separation

Este artículo presenta un método basado en redes neuronales informadas por física (PINN) que resuelve una ecuación de Poisson escalar para separar eficientemente las ondas P y S en medios elásticos no homogéneos, logrando una reducción de costos computacionales y una menor fuga de ondas transversales en comparación con las técnicas tradicionales.

E. A. B. Alves, P. D. S. de Lima, D. H. G. Duarte, M. S. Ferreira, J. M. de Araújo, C. G. Bezerra2026-02-13🔬 physics

An open-source computational framework for immersed fluid-structure interaction modeling using FEBio and MFEM

Este trabajo presenta un marco de código abierto para la simulación de interacción fluido-estructura inmersa que acopla las bibliotecas MFEM y FEBio para abordar desafíos computacionales en sistemas biológicos, como la dinámica de válvulas cardíacas, mediante un esquema monolítico implícito y métodos de estabilización avanzados.

Ryan T. Black, Steve A. Maas, Wensi Wu, Jalaj Maheshwari, Tzanio Kolev, Jeffrey A. Weiss, Matthew A. Jolley2026-02-13🧬 q-bio