La física de plasmas explora el cuarto estado de la materia, un medio ionizado y dinámico que compone la mayor parte del universo visible, desde las estrellas hasta las auroras boreales. En este espacio de investigación, los científicos estudian cómo las partículas cargadas interactúan con campos magnéticos y eléctricos, desentrañando misterios que van desde la fusión nuclear controlada en la Tierra hasta el comportamiento del viento solar que afecta nuestras comunicaciones.

En Gist.Science, procesamos sistemáticamente cada nuevo preprint publicado en arXiv dentro de esta categoría para hacerlo accesible a todos. Ofrecemos no solo resúmenes técnicos detallados para expertos, sino también explicaciones en lenguaje sencillo que capturan la esencia de estos descubrimientos sin perder rigor. A continuación, encontrará la lista más reciente de artículos en física de plasmas que hemos analizado y resumido para usted.

How Does The Magnetic Gradient Scale Length Influence Complexity of Filamentary Coils in Stellarators?

Este artículo demuestra que la longitud de escala del gradiente magnético mínimo (min(L_gradB)) en la superficie de último flujo cerrado es un indicador eficaz y correlacionado con la distancia mínima entre las bobinas y la superficie en diseños de bobinas filamentarias de estelaradores, permitiendo optimizar tanto la viabilidad de ingeniería como el confinamiento de partículas.

John Kappel, Matt Landreman, Philipp Jurašić, Sophia A Henneberg2026-02-24🔬 physics

Nanometer-scale pre-bunched electron beams generated from all-optical plasma-based acceleration

Este artículo propone un esquema totalmente óptico que utiliza la modulación de densidad generada por láseres contrapropagantes para controlar la inyección en aceleradores de plasma y producir haces de electrones pre-agrupados a escala nanométrica, capaces de generar rayos X ultrabrillantes y coherentes para aplicaciones de luz ultrarrápida.

Zhenan Wang, Zewei Xu, Qianyi Ma, Yuhui Xia, Letian Liu, Chenxu Wang, Thamine Dalichaouch, Xueqing Yan, Xinlu Xu, Warren B. Mori2026-02-24🔬 physics

Machine learning prediction of plasma behavior from discharge configurations on WEST

Este estudio presenta un modelo de aprendizaje automático basado en transformadores que predice con alta precisión y en tiempo real parámetros clave del plasma en el tokamak WEST utilizando únicamente configuraciones de descarga predefinidas, ofreciendo una alternativa eficiente a los costosos códigos de modelado físico para la planificación y el control de experimentos.

Chenguang Wan, Feda Almuhisen, Philippe Moreau, Remy Nouailletas, Zhisong Qu, Youngwoo Cho, Robin Varennes, Kyungtak Lim, Kunpeng Li, Jia Huang, Weidong Chen, Jiangang Li, Xavier Garbet2026-02-24🔬 physics

Three Dimensional Multiphysics Modelling of Helicon Wave Heating and Antenna Plasma Coupling for Boundary Density Control in Toroidal Fusion Plasmas

Este trabajo presenta el código THEMIS, un modelo multiphísica tridimensional que demuestra que un diseño optimizado de antena en espiral tipo pista de carreras con ventana hundida mejora la eficiencia de acoplamiento de las ondas helicoidales para el control de la densidad en el borde de plasmas de fusión toroidales, superando las limitaciones de las configuraciones convencionales.

Hua Zhou, Lei Chang, GuoSheng Xu, YiWei Zhang, Matthew Hole, Dan Du, ZhiSong Qu, MuQuan Wu2026-02-24🔬 physics

Gyrokinetic simulation of the effect of transient fueling on plasma turbulence in ADITYA-U tokamak

Simulaciones girocinéticas globales demuestran que la inyección de gas transitorio en el tokamak ADITYA-U aplanan el perfil de densidad radial, lo que suprime el modo de electrones atrapados (TEM), reduce el transporte de calor turbulento y mejora el tiempo de confinamiento de energía mediante un mecanismo de control activo.

Jaya Kumar Alageshan, Suman Dolui, Joydeep Ghosh, Kishore Mishra, Sarveshwar Sharma, Abhijit Sen, Manjunatha Valmiki, Sandeep Agrawal, Sanjay Wandhekar, Zhihong Lin, Animesh Kuley2026-02-24🔬 physics

TorbeamNN: Machine learning based steering of ECH mirrors on KSTAR

El artículo presenta TorbeamNN, un modelo de aprendizaje automático que acelera más de 100 veces la predicción de la ubicación del calentamiento y corriente de electrones en el tokamak KSTAR sin sacrificar precisión, permitiendo un seguimiento en tiempo real de objetivos de absorción con un error promedio mínimo de 0,5 cm.

Andrew Rothstein, Minseok Kim, Minho Woo, Minsoo Cha, Cheolsik Byun, Sangkyeun Kim, Keith Erickson, Youngho Lee, Josh Josephy-Zack, Jalal Butt, Ricardo Shousha, Mi Joung, June-Woo Juhn, Kyu-Dong Lee (…)2026-02-23🔬 physics

Assessing the Numerical Stability of Physics Models to Equilibrium Variation through Database Comparisons

Este estudio compara un gran conjunto de datos de equilibrios cinéticos del tokamak DIII-D reconstruidos manualmente y mediante herramientas automatizadas (CAKE y JAKE), revelando que, aunque existen discrepancias en cantidades de perfil como la corriente bootstrap, la mayoría de las clasificaciones de estabilidad MHD permanecen inalteradas entre ambos métodos.

A. Rothstein, V. Ailiani, K. Krogen, A. O. Nelson, X. Sun, M. S. Kim, W. Boyes, N. Logan, Z. A. Xing, E. Kolemen2026-02-23🔬 physics