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 estudio presenta un esquema gas-cinético compacto de un solo paso en una formulación Arbitraria Lagrangiana-Euleriana (ALE) que optimiza la eficiencia computacional y la precisión mediante una reconstrucción de cuarto orden simplificada y una evolución de flujo con precisión temporal de tercer orden.
Este estudio presenta un método de aprendizaje automático basado en procesos gaussianos que utiliza descriptores de largo alcance para predecir la densidad electrónica en superredes de moiré de gran escala, permitiendo modelar fenómenos cuánticos complejos de forma eficiente sin depender de la suposición de localidad.
Este artículo presenta un nuevo paradigma de programación diferenciable que unifica la dinámica de fluidos computacional y el aprendizaje automático para resolver flujos multiescala, permitiendo la optimización de parámetros y el modelado de datos de extremo a extremo tanto en regímenes de continuo como de rarefacción.
Este trabajo demuestra que la aplicación de una estrategia de parametrización óptima para la gestión de trayectorias reduce significativamente la varianza en las estimaciones de los tiempos medios de primer paso (MFPT) en modelos moleculares de alta dimensionalidad.
Este artículo presenta el mapa -Gauss-Logístico, un nuevo sistema dinámico que exhibe transiciones al caos graduales (mediante cascadas de duplicación de periodo) para y transiciones abruptas sin bifurcaciones previas para .
Este artículo presenta una técnica de penalización por volumen para simular flujos de streaming acústico en microcanales complejos, descomponiendo el problema en dos subproblemas (de primer y segundo orden) y demostrando su eficacia y escalabilidad en comparación con los métodos tradicionales de malla adaptada.
Este estudio utiliza un enfoque computacional integrado con aprendizaje automático para demostrar cómo el nivel de oxidación del grafeno altera la estructura del agua interfacial, proporcionando una huella espectroscópica precisa que permite identificar el grado de oxidación mediante cambios en las bandas de vibración del agua.
Este estudio propone un enfoque de aprendizaje activo para mejorar la predicción de la entalpía de mezcla en líquidos binarios, identificando y simulando mediante dinámica molecular *ab initio* nuevos datos para aleaciones con elementos refractarios.
Este artículo presenta un enfoque de dinámica cuántica-clásica informada por datos (DIQCD) que utiliza una ecuación de Lindblad con un Hamiltoniano optimizable para predecir con precisión la evolución de sistemas cuánticos abiertos a partir de datos dispersos y ruidosos, demostrando su eficacia tanto en moléculas ultrafrías como en semiconductores orgánicos.
Este trabajo explora la aplicación de métodos de redes de tensores, inspirados en la mecánica cuántica, para optimizar procesos de compresión de imágenes y problemas de óptica clásica, como la propagación de frentes de onda y la formación de imágenes.