physics.comp-ph 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.

Toward Adaptive Non-Intrusive Reduced-Order Models: Design and Challenges

Este trabajo propone y evalúa modelos de orden reducido no intrusivos adaptativos que actualizan en línea tanto el subespacio latente como la dinámica reducida, demostrando mediante simulaciones de flujo que estas estrategias superan a los modelos estáticos al mantener la estabilidad y precisión energética frente a cambios de régimen, estableciendo además un marco transparente para el desglose de costes computacionales y la gestión de consultas al modelo de orden completo.

Amirpasha Hedayat, Alberto Padovan, Karthik Duraisamy2026-02-13🤖 cs.LG

Intermediate Thermal Equilibrium Stages in Molecular Dynamics Simulations of two Bodies in Contact

Este estudio utiliza simulaciones de dinámica molecular para analizar las etapas intermedias de fluctuación y correlación que preceden al equilibrio térmico entre dos cuerpos en contacto, complementando la descripción final establecida por la Ley Cero de la Termodinámica.

Jonathas N. da Silva, Octavio D. Rodriguez Salmon, Minos A. Neto2026-02-13🔬 cond-mat

Linear Analysis of Stochastic Verlet-Type Integrators for Langevin Equations

Este artículo presenta un marco analítico para evaluar integradores de tipo Verlet en la ecuación de Langevin mediante tres medidas de transporte y muestreo, concluyendo que el conjunto de integradores GJ es el más eficaz para simulaciones termodinámicas de alta calidad.

Niels Grønbech-Jensen2026-02-12🔬 cond-mat

Synchronization of Dirac-Bianconi driven oscillators

Este artículo utiliza el método de reducción de fase para analizar la sincronización de osciladores acoplados mediante el operador Dirac-Bianconi en redes de orden superior, donde las señales topológicas en nodos y enlaces interactúan para generar comportamientos oscilatorios.

Riccardo Muolo, Iván León, Yuzuru Kato, Hiroya Nakao2026-02-12🌀 nlin

Discovery of Hyperelastic Constitutive Laws from Experimental Data with EUCLID

Este artículo evalúa el rendimiento del marco EUCLID para el descubrimiento automático de leyes constitutivas hiperelásticas a partir de datos experimentales de caucho natural, comparándolo con métodos de identificación tradicionales en términos de precisión predictiva, generalización a geometrías no vistas y cobertura del espacio de estados del material.

Arefeh Abbasi, Maurizio Ricci, Pietro Carrara, Moritz Flaschel, Siddhant Kumar, Sonia Marfia, Laura De Lorenzis2026-02-12🔬 cond-mat.mtrl-sci

diffpy.morph: Python tools for model independent comparisons between sets of 1D functions

`diffpy.morph` es un paquete de Python de código abierto diseñado para realizar comparaciones independientes de modelos entre conjuntos de funciones 1D, permitiendo eliminar diferencias irrelevantes mediante transformaciones para revelar cambios científicos significativos en datos espectrales.

Andrew Yang, Christopher L. Farrow, Pavol Juhás, Luis Kitsu Iglesias, Chia-Hao Liu, Samuel D. Marks, Vivian R. K. Wall, Joshua Safin, Sean M. Drewry, Caden Myers, Dillon F. Hanlon, Nicholas Leonard, C (…)2026-02-12🔬 cond-mat.mtrl-sci

A Multimodal Conditional Mixture Model with Distribution-Level Physics Priors

Este trabajo presenta un marco de modelado condicional multimodal basado en redes de densidad de mezcla (MDN) que integra leyes físicas mediante regularización para capturar comportamientos complejos y no únicos en sistemas científicos y de ingeniería.

Jinkyo Han, Bahador Bahmani2026-02-12🤖 cs.LG

On the Role of Consistency Between Physics and Data in Physics-Informed Neural Networks

Este trabajo analiza cómo la inconsistencia entre los datos y las ecuaciones diferenciales limita la precisión de las redes neuronales informadas por la física (PINNs), introduciendo el concepto de "barrera de consistencia" para demostrar que el error mínimo alcanzable está determinado por la fidelidad de los datos utilizados.

Nicolás Becerra-Zuniga, Lucas Lacasa, Eusebio Valero, Gonzalo Rubio2026-02-12📊 stat

Electron charge dynamics and charge separation: A response theory approach

Este estudio utiliza la teoría de respuesta para investigar la dinámica y separación de carga electrónica, demostrando que la respuesta cuadrática es más eficaz que la lineal para describir estos procesos al compararla con resultados de propagación temporal exacta.

Lionel Lacombe, Lucia Reining, Vitaly Gorelov2026-02-11🔬 cond-mat.mtrl-sci

First-Principles Investigation of X2NiH6 (X = Ca, Sr, Ba) Hydrides for Hydrogen Storage Applications

Este estudio mediante cálculos de la teoría del funcional de la densidad (DFT) investiga las propiedades termodinámicas, ópticas, mecánicas y de almacenamiento de hidrógeno de los hidruros $X_2\text{NiH}_6$ ( $X = \text{Ca, Sr, Ba}$ ), concluyendo que el $\text{Ca}_2\text{NiH}_6$ es el candidato más prometedor debido a su mayor capacidad de almacenamiento de hidrógeno.

K. Aafi, Z. El Fatouaki, A. Jabar, A. Tahiri, M. Idiri2026-02-11🔬 cond-mat.mtrl-sci

← Anterior Siguiente →