1241 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.
El artículo presenta DiSOL, un nuevo paradigma de aprendizaje que supera las limitaciones de los operadores neuronales tradicionales al aprender procedimientos de solución discretos en lugar de operadores continuos, logrando así predicciones estables y precisas en problemas de EDPs con geometrías variables y cambios topológicos.
El artículo presenta \textbf{warpax}, una herramienta de código abierto y acelerada por GPU que utiliza optimización continua basada en gradientes para verificar rigurosamente las condiciones de energía en métricas de propulsión warp, demostrando que los análisis de un solo marco de referencia subestiman significativamente tanto la extensión espacial como la magnitud de las violaciones de estas condiciones.
El estudio presenta GET-SEI, un marco general basado en aprendizaje contrastivo de grafos y teoría de trayectorias de transición que descubre automáticamente entornos atómicos locales y cuantifica las rutas de transporte de litio en la interfaz de electrolitos sólidos para optimizar el rendimiento de las baterías.
Este trabajo refuta la conclusión de Savard et al. sobre la necesidad de aumentar el número de partículas por celda en esquemas PIC implícitos para resolver longitudes mayores que la de Debye, demostrando que dicha afirmación se debe a errores procedimentales en los diagnósticos que, al corregirse, alteran drásticamente los resultados del estudio.
Este trabajo presenta una formulación de elementos finitos para flujos viscosos incompresibles basada en el principio del gradiente de presión mínimo, la cual elimina los grados de libertad de presión, produce soluciones estables sin estabilización adicional en regímenes dominados por convección y ofrece un indicador de error integrado para el refinamiento adaptativo de mallas.
Este trabajo presenta una metodología unificada de verificación cruzada que logra una concordancia a nivel de precisión de máquina entre tres solvers DDA de código abierto (DDSCAT, ADDA e IFDDA), proporcionando tablas de equivalencia prácticas y comparaciones de rendimiento en CPU/GPU para garantizar simulaciones reproducibles, interoperables y con benchmarks justos en estudios de dispersión de luz computacional.
Este estudio demuestra que, en modelos de orden reducido con dinámica neural ODE, la proyección de Stiefel sobre la primera capa del decodificador mejora consistentemente el rendimiento de las simulaciones a largo plazo, mientras que otras estrategias de regularización geométrica, aunque suavizan el decodificador localmente, dificultan el entrenamiento de la dinámica latente al generar un desajuste geométrico perjudicial.
Los autores proponen una versión de densidad no uniforme del problema de prueba de cizalladura de velocidad gaussiana para someter a códigos de hidrodinámica viscosa a una prueba más rigurosa que verifique el cálculo correcto de los tensores de esfuerzo viscoso, los flujos y los términos fuente.
Los autores proponen un método que utiliza redes neuronales para proyectar datos de diferentes cuencas metastables en un manifold de baja dimensión con una distribución preasignada, generando variables colectivas eficientes que permiten reducir la dimensionalidad y obtener perfiles de energía libre claros incluso en procesos químicos complejos de múltiples pasos.
Este estudio propone un enfoque bayesiano de Langevin, implementado en una herramienta de código abierto, para cuantificar simultáneamente la dinámica determinista y estocástica en sistemas complejos como las redes eléctricas, demostrando su eficacia al analizar el apagón de 1996 en Norteamérica y revelar cambios en el estado de la red que ocurrieron minutos antes del evento desencadenante oficial.