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.

Infrared spectroscopy of protonated water clusters via the quantum thermal bath method and highly accurate machine-learned potentials

El artículo presenta una simulación de dinámica molecular eficiente y precisa de los espectros infrarrojos de clusters de agua protonados, desde el monómero hasta el tetramero, lograda mediante la combinación de superficies de energía potencial y momentos dipolares aprendidos por máquina con el método del baño térmico cuántico para incluir efectos cuánticos nucleares de manera rentable.

T. Baird, R. Vuilleumier, S. Bonella2026-03-11🔬 physics

Modeling resonance characteristics of the Chang'e-7 lander modulated by solar panel rotation under lunar south-pole thermal environment

Este estudio presenta un modelo de elementos finitos de alta fidelidad del lander Chang'e-7 que revela cómo las variaciones térmicas extremas en el polo sur lunar, más que la rotación de los paneles solares, provocan una deriva significativa en la frecuencia fundamental del lander (entre 0.64 y 0.87 Hz) que se superpone a la ventana de observación sísmica, estableciendo así una base teórica crucial para filtrar el ruido inducido por la plataforma en futuras misiones de detección del interior lunar.

Lei Zhang, Jinhai Zhang2026-03-11🔬 physics

Impact of magnetic fields on polaron dynamics in low-dimensional systems

Este estudio numérico analiza cómo un campo magnético externo afecta la dinámica de transporte de polarones (solitones) en materiales cuasi-unidimensionales, revelando que dicho impacto depende tanto de la intensidad del campo como de los parámetros intrínsecos del sistema que definen las propiedades de los solitones.

Larissa Brizhik, B. M. A. G. Piette2026-03-11🌀 nlin

DFT calculations of magnetocrystalline anisotropy energy with fixed spin moment

El artículo presenta el método de momento de espín fijo totalmente relativista (FR-FSM) como una herramienta teórica para reconciliar las discrepancias en los cálculos de energía de anisotropía magnetocristalina (MAE) obtenidos con diferentes potenciales de intercambio-correlación, permitiendo estimar valores máximos hipotéticos y optimizar aleaciones para el diseño de nuevos imanes permanentes.

Justyn Snarski-Adamski (Institute of Molecular Physics, Polish Academy of Sciences, Poznan, Poland), Joanna Marciniak (Institute of Molecular Physics, Polish Academy of Sciences, Poznan, Poland, Uppsa (…)2026-03-11🔬 cond-mat.mtrl-sci

A GEMM-based direct solver for finite-difference Poisson problems in non-uniform grids

Este artículo presenta un solucionador directo eficiente para problemas de Poisson en mallas no uniformes que utiliza descomposiciones de autovalores y multiplicaciones de matrices (GEMM) para lograr un alto rendimiento en sistemas heterogéneos masivamente paralelos, superando en tiempo de solución a los métodos multigrid y de reducción cíclica.

Pedro Costa, Duarte Palancha, Joshua Romero, Roberto Verzicco, Massimiliano Fatica2026-03-11🔬 physics

Physics-informed neural operator for predictive parametric phase-field modelling

Este trabajo presenta PF-PINO, un operador neuronal informado por la física que supera a los métodos convencionales en precisión, generalización y estabilidad a largo plazo para modelar la evolución paramétrica de microestructuras en problemas de campo de fase complejos.

Nanxi Chen, Airong Chen, Rujin Ma2026-03-11🔬 cond-mat.mtrl-sci

First Estimation of Model Parameters for Neutrino-Induced Nucleon Knockout Using Simulation-Based Inference

Este artículo demuestra que la inferencia basada en simulaciones (SBI) es una herramienta eficaz para estimar parámetros de modelos de interacción neutrino-núcleo, logrando un ajuste mejorado en datos experimentales y una aproximación razonable a simulaciones alternativas como NuWro.

Karla Tame-Narvaez, Steven Gardiner, Aleksandra Ciprijanovic, Giuseppe Cerati2026-03-11⚛️ hep-ph

Efficient method for calculation of low-temperature phase boundaries

Este trabajo presenta un marco general y eficiente que combina la ecuación de Clausius-Clapeyron con la aproximación cuasi-armónica para calcular fronteras de fase a bajas temperaturas con un mínimo de cálculos, demostrando su precisión mediante el diagrama de fases de la sílice utilizando tanto la teoría del funcional de la densidad como potenciales interatómicos aprendidos por máquina.

Lucas Svensson, Babak Sadigh, Christine Wu, Paul Erhart2026-03-11🔬 cond-mat.mtrl-sci

Differentiable Microscopy Designs an All Optical Phase Retrieval Microscope

El artículo presenta "diferenciabilidad microscópica" ( $\partial\mu$ ), un enfoque de diseño de arriba hacia abajo basado en datos que supera a los métodos tradicionales y existentes para la recuperación de fase óptica, validado experimentalmente con muestras biológicas.

Kithmini Herath, Hasindu Kariyawasam, Ramith Hettiarachchi, Udith Haputhanthri, Dineth Jayakody, Raja N. Ahmad, Azeem Ahmad, Balpreet S. Ahluwalia, Chamira U. S. Edussooriya, Dushan N. Wadduwage2026-03-10🔬 physics.optics

Neural delay differential equations: learning non-Markovian closures for partially known dynamical systems

Este artículo presenta un marco de Ecuaciones Diferenciales con Retardo Neuronales (NDDEs) inspirado en el formalismo Mori-Zwanzig para aprender dinámicas no markovianas a partir de datos de sistemas parcialmente observables, demostrando un rendimiento superior frente a métodos existentes como las redes LSTM y las ANODEs.

Thibault Monsel, Onofrio Semeraro, Lionel Mathelin, Guillaume Charpiat2026-03-10🤖 cs.LG

← Anterior Siguiente →