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.
Los autores proponen un esquema universal basado en la reponderación y el recocido para calcular observables generales en simulaciones de Monte Carlo cuántico, superando así las limitaciones de las mediciones generales y permitiendo el estudio de diversos modelos y correlaciones en sistemas cuánticos de muchos cuerpos.
Este artículo presenta un método híbrido que combina modelos sustitutos con simulaciones de Monte Carlo multinivel para cuantificar la incertidumbre en problemas de frontera libre del equilibrio magnético en reactores de fusión, logrando una reducción de costos computacionales de hasta veces sin sacrificar la precisión.
Este artículo presenta un conjunto de datos de referencia compuesto por 624 muestras 2D de alta fidelidad, generadas mediante simulaciones numéricas, que capturan las interacciones entre CO2 y agua a escala de poro para el desarrollo y validación de modelos de aprendizaje automático en aplicaciones de captura y almacenamiento de carbono.
Este trabajo presenta un marco unificado para calcular la energía y la presión electrostática en sistemas periódicos, tanto neutros como no neutros, mediante la introducción de términos de frontera infinitos e interacciones por pares que permiten derivar resultados directamente análogos a los de sistemas aislados.
Este artículo presenta dos métodos para encontrar la transformación de Lorentz óptima que alinea conjuntos de vectores en el espacio de Minkowski, superando las limitaciones de las técnicas euclidianas existentes y ofreciendo una generalización a otros grupos de Lie matriciales.
Este trabajo presenta el primer cálculo *ab initio* del momento de Schiff nuclear del isótopo F y, combinado con cálculos de química cuántica y mediciones experimentales recientes en el catión HfF, establece el primer límite experimental para este momento, sentando las bases para futuras restricciones de las interacciones pion-nucleón-nucleón mediante métodos nucleares *ab initio*.
Los autores proponen un algoritmo de grupo de renormalización en espacio real para redes tensoriales bidimensionales que utiliza tensores de frontera variacionales como entorno global optimizado para construir proyectores de renormalización, logrando una mayor precisión que los métodos existentes sin incrementar la complejidad computacional respecto al método TRG original.
Este trabajo presenta Re4, un marco de agente colaborativo basado en grandes modelos de lenguaje que utiliza un ciclo de reescritura, resolución, revisión y revisión para generar código ejecutable y libre de errores en problemas complejos de computación científica, superando significativamente a los modelos individuales en la resolución de ecuaciones diferenciales y sistemas lineales.
El estudio demuestra que en la computación de reservorio basada en materia activa, el uso de fuerzas de inyección no lineales que inducen la formación de gotas líquidas optimiza el procesamiento de información al activar mecanismos regulatorios emergentes que mejoran la diversidad dinámica y la robustez del sistema, independientemente de la fase de materia activa utilizada.
Esta revisión ofrece una visión integral de cómo la integración de técnicas de aprendizaje automático, especialmente en la construcción de variables colectivas y estrategias de muestreo, está transformando la dinámica molecular para superar las limitaciones de escala temporal en el estudio de eventos raros en sistemas complejos.