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.

Numerical evaluation of Casimir forces using the discontinuous Galerkin time-domain method

Este artículo presenta un esquema en el dominio del tiempo basado en el método de Galerkin discontinuo para calcular fuerzas de Casimir en diversas geometrías y materiales a temperatura finita, validando su precisión mediante comparaciones con soluciones analíticas y demostrando su utilidad para el diseño de dispositivos nanoscópicos.

Carles Martí Farràs, Bettina Beverungen, Philip Trøst Kristensen, Francesco Intravaia, Kurt Busch2026-03-05⚛️ quant-ph

Fast proton transport and neutron production in proton therapy using Fourier neural operators

Este artículo presenta un modelo sustituto basado en operadores de redes neuronales de Fourier (FNO) que predice con precisión y en tiempo real el transporte de protones y la producción de neutrones en terapia de protones, superando la lentitud computacional de los métodos de Monte Carlo tradicionales para facilitar la verificación de rango y la estimación de dosis.

Francesco Blangiardi, Hunter N. Ratliff, Fabian Teichert, Kristian Smeland Ytre-Hauge, Jan Langer, Ilker Meric2026-03-05🔬 physics

Nine-element machine-learned interatomic potentials for multiphase refractory alloys

Este trabajo presenta el desarrollo de un banco de datos diverso y dos potenciales interatómicos aprendidos por máquina (tabGAP y NEP) computacionalmente eficientes para simular aleaciones refractarias multicomponente, validando su utilidad mediante la reproducción de transiciones de fase, segregación de límites de grano y daños por radiación.

Jesper Byggmästar, Tiago Lopes, Zheyong Fan, Tapio Ala-Nissila2026-03-05🔬 cond-mat.mtrl-sci

Topological interfacial states in ferroelectric domain walls of two-dimensional bismuth

Mediante métodos de aprendizaje automático, este estudio revela que las paredes de dominio cargadas en monocapas de bismuto bidimensional son energéticamente favorables y albergan estados interfaciales topológicos con cruces de bandas accidentales en el nivel de Fermi, lo que las convierte en una plataforma prometedora para dispositivos basados en paredes de dominio ferroeléctrico.

Wei Luo, Yang Zhong, Hongyu Yu, Muting Xie, Yingwei Chen, Hongjun Xiang, Laurent Bellaiche2026-03-04🔬 cond-mat.mes-hall

Nonparametric Reaction Coordinate Optimization with Histories: A Framework for Rare Event Dynamics

Los autores presentan un marco de optimización no paramétrica de coordenadas de reacción que incorpora historias de trayectorias para caracterizar con precisión la dinámica de eventos raros en sistemas complejos, superando las limitaciones de las técnicas estándar de aprendizaje automático y permitiendo el análisis robusto de datos irregulares o incompletos sin necesidad de un muestreo extensivo.

Polina V. Banushkina, Sergei V. Krivov2026-03-04🧬 q-bio