🔬 Category

physics.comp-ph

922 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.

Frequency-domain general synthetic iterative scheme for efficient simulation of oscillatory rarefied gas flows

Este artículo introduce un esquema iterativo sintético general en el dominio de la frecuencia (GSIS) que simula eficientemente flujos de gases rarificados oscilatorios mediante el acoplamiento de ecuaciones cinéticas mesoscópicas y macroscópicas sintéticas para lograr propiedades de superconvergencia y de preservación asintótica, lo que lo hace hasta tres órdenes de magnitud más rápido que los métodos convencionales en regímenes casi continuos.

Pengshuo Li, Lei Wu2026-01-27🔬 physics

cuGUGA: Operator-Direct Graphical Unitary Group Approach Accelerated with CUDA

El artículo presenta cuGUGA, un resolvedor de interacción de configuración del enfoque de grupo unitario gráfico directo operador-dependiente acelerado por GPU de alto rendimiento que utiliza algoritmos de tiempo constante y kernels de CUDA personalizados para lograr aceleraciones significativas sobre las implementaciones existentes de CPU y PySCF para espacios activos de pequeños a medianos, manteniendo una alta precisión numérica.

Zihan Pengmei2026-01-27🔬 physics

An exploration of lateral optical forces from a triangular periodic motif

Este estudio computacional revela que las nanoestructuras dieléctricas triangulares isósceles asimétricas exhiben respuestas de fuerza óptica lateral distintivas, incluyendo zonas estables y bandas de conmutación abrupta impulsadas por la interferencia de tipo resonancia de Fano entre modos propios discretos y estados de continuo, ofreciendo así directrices de diseño para controlar las fuerzas ópticas a través de la geometría estructural.

Bo Gao, Henkjan Gersen, Simon Hanna2026-01-27🔬 physics.optics

Physics-Informed Uncertainty Enables Reliable AI-driven Design

Este artículo introduce un paradigma de "Incertidumbre Informada por la Física" que aprovecha las violaciones de las leyes físicas como un sustituto computacionalmente eficiente para la incertidumbre predictiva, mejorando significativamente la tasa de éxito y reduciendo el costo computacional del diseño inverso impulsado por IA para superficies selectivas de frecuencia complejas en comparación con los métodos tradicionales.

Tingkai Xue, Chin Chun Ooi, Yang Jiang, Luu Trung Pham Duong, Pao-Hsiung Chiu, Weijiang Zhao, Nagarajan Raghavan, My Ha Dao2026-01-27🤖 cs.LG

Defects and Impurity Properties of VN precipitates in ARAFM Steels: Modelling using a Universal Machine Learning Potential and Experimental Validation

Este estudio combina potenciales de aprendizaje automático, la teoría del funcional de la densidad y validación experimental para revelar que, si bien las vacantes de nitrógeno ordenadas en los precipitados de VN mitigan el daño por irradiación en los aceros ARAFM, las adiciones de solutos como el cromo interrumpen este ordenamiento y aceleran la disolución de los precipitados bajo condiciones relevantes para la fusión.

R. S. Stroud, C. Reynolds, T. Melichar, J. Haley, M. Carter, M. Moody, C. Hardie, D. Bowden, D. Nguyen-Manh, M. R. Wenman2026-01-26🔬 physics.app-ph

Robustly optimal dynamics for active matter reservoir computing

Este artículo identifica un régimen dinámico robustamente óptimo y previamente pasado por alto en la computación de reservorio de materia activa —ubicado justo por debajo de un umbral de amortiguamiento crítico— que aprovecha la relajación intrínseca de múltiples etapas para lograr un procesamiento de información de alto rendimiento a través de diversos parámetros físicos y tareas.

Mario U. Gaimann, Miriam Klopotek2026-01-26🌀 nlin

A Graph Neural Network for the Era of Large Atomistic Models

Este artículo presenta DPA3, una red neuronal de grafos multicapa escalable basada en series de grafos de líneas que se adhiere a las leyes de escala y demuestra una generalización zero-shot superior a través de diversos sistemas atomísticos, estableciéndola como un modelo fundacional altamente preciso para aplicaciones atomísticas a gran escala.

Duo Zhang, Anyang Peng, Chun Cai, Wentao Li, Yuanchang Zhou, Jinzhe Zeng, Mingyu Guo, Chengqian Zhang, Bowen Li, Hong Jiang, Tong Zhu, Weile Jia, Linfeng Zhang, Han Wang2026-01-26🔬 physics

Towards Reasoning for PDE Foundation Models: A Reward-Model-Driven Inference-Time-Scaling Algorithm

Este artículo introduce un novedoso marco de computación en tiempo de prueba para modelos fundacionales de EDP que aprovecha el escalado de la inferencia impulsado por recompensas para mejorar la precisión de la predicción y la robustez fuera de la distribución, particularmente para las ecuaciones de Euler compresibles, al utilizar recursos computacionales durante la inferencia en lugar de depender únicamente de un preentrenamiento extensivo.

Siddharth Mansingh, James Amarel, Ragib Arnab, Arvind Mohan, Kamaljeet Singh, Gerd J. Kunde, Nicolas Hengartner, Benjamin Migliori, Emily Casleton, Nathan A. Debardeleben, Ayan Biswas, Diane Oyen, Ear (…)2026-01-26🤖 cs.LG

Physics Informed Differentiable Solvers for Learning Parametric Solution Manifolds in Heterogeneous Physical Systems

Este artículo presenta un marco novedoso que reformula las Redes Neuronales Informadas por la Física como resolvedores diferenciables para aprender eficientemente variedades de soluciones continuas para el flujo de Darcy en estado estacionario en sistemas heterogéneos, permitiendo soluciones precisas y que conservan la masa, así como la cuantificación de la incertidumbre, a través de una única ejecución de entrenamiento que integra representaciones de conductividad basadas en datos directamente en la función de pérdida informada por la física.

Milad Panahi, Giovanni Michele Porta, Monica Riva, Alberto Guadagnini2026-01-26🔬 physics

Ultrafast Dipolar Electrostatic Modeling of Plasmonic Nanoparticles with Arbitrary Geometry

Este artículo presenta un marco de modelado electrostático ultrarrápido para nanopartículas plasmónicas de geometría arbitraria que logra cálculos rápidos de respuesta espectral mediante la proyección del operador de Neumann-Poincaré sobre una base de dipolos compacta para evitar grandes problemas de autovalores, incorporando al mismo tiempo efectos de retardo a través de la aproximación modificada de longitud de onda larga.

Paulo S. S. dos Santos, João P. Mendes, José M. M M. de Almeida, Luís C. C. Coelho2026-01-26🔬 physics.optics