🔬 Category

physics.comp-ph

903 articles

La physique de calcul, ou Comp-Ph, explore comment les superordinateurs modélisent l'univers, des collisions d'atomes à la formation des galaxies. Ce domaine transforme des équations complexes en simulations visuelles, permettant aux chercheurs de tester des théories impossibles à vérifier en laboratoire. C'est une fenêtre unique sur la mécanique fondamentale de la réalité, où le code informatique devient un outil d'observation aussi puissant que les télescopes.

Sur Gist.Science, nous parcourons systématiquement les nouveaux prépublications de arXiv dans cette catégorie pour vous offrir une double perspective. Chaque article reçoit un résumé technique précis pour les experts, accompagné d'une explication claire et accessible pour tous les curieux. Cette approche double garantit que vous comprenez à la fois la méthode scientifique rigoureuse et ses implications concrètes, sans barrière de langage.

Découvrez ci-dessous les dernières contributions de la communauté scientifique, soigneusement sélectionnées et résumées pour éclairer les avancées récentes en physique computationnelle.

Dual vibration configuration interaction (DVCI). An efficient factorization of molecular Hamiltonian for high performance infrared spectrum computation

Cet article introduit l'Interaction de Configuration de Vibration Duale (DVCI), un programme de calcul économe en mémoire qui utilise une nouvelle factorisation hamiltonienne basée sur la dualité et la seconde quantification pour calculer rapidement et précisément des états de vibration infrarouge spécifiques sans construire de grands blocs de matrices.

Romain Garnier2026-06-04⚛️ quant-ph

Flow-priority optimization of additively manufactured variable-TPMS lattice heat exchanger based on macroscopic analysis

Cette étude propose un cadre de modélisation et d'optimisation macroscopique basé sur la théorie de Darcy–Forchheimer pour concevoir des échangeurs de chaleur à réseaux TPMS variables avec des largeurs de canaux non uniformes, dont la validation expérimentale confirme une amélioration de performance de 28,7 % par rapport aux configurations de réseaux uniformes.

Kazutaka Yanagihara, Jun Iwasaki, Kiyoto Saso, Taichi Yamashita, Shomu Murakoshi, Akihiro Takezawa2026-06-04🔬 physics

Learning collision operators from plasma phase space data using differentiable simulators

Cet article propose une méthodologie qui combine des simulateurs cinétiques différentiables avec l'optimisation basée sur le gradient pour inférer avec précision les opérateurs de collision du plasma directement à partir de données de l'espace des phases, démontrant une performance et une efficacité supérieures par rapport aux estimations traditionnelles basées sur la trajectoire des particules.

Diogo D. Carvalho, Pablo J. Bilbao, Warren B. Mori, Luis O. Silva, E. Paulo Alves2026-06-04🔬 physics

Turbulence teaches equivariance to neural networks

Cet article démontre que la nature rotationnelle de la turbulence enseigne intrinsèquement l'équivariance aux réseaux de neurones par le biais d'une augmentation de données implicite, et que l'imposition explicite de cette symétrie en tant que biais inductif architectural améliore significativement la généralisation à travers différentes conditions d'écoulement tout en réduisant la complexité du modèle.

Ryley McConkey, Julia Balla, Jeremiah Bailey, Ali Backour, Elyssa Hofgard, Tommi Jaakkola, Abigail Bodner, Tess Smidt2026-06-04🔬 physics

Mobility Heterogeneity in a 2D Gaussian Lattice Polymer: A Dynamic Monte Carlo Study

Cette étude démontre, par des simulations de Monte Carlo dynamique, que si l'introduction d'une hétérogénéité de mobilité via différents taux de mise à jour dans un polymère de réseau gaussien 2D à deux blocs modifie la dynamique de relaxation interne et le déplacement quadratique moyen résolu par bloc, le coefficient de diffusion du centre de masse conserve la mise à l'échelle standard de la chaîne idéale de Dcm∼N−1D_{\rm cm} \sim N^{-1}.

Arpan Dey2026-06-04🔬 cond-mat

Stein Kernelized Molecular Dynamics for Active Learning of Interatomic Potentials

Cet article introduit la dynamique moléculaire par noyau de Stein (SKMD), une nouvelle méthode d'échantillonnage améliorée qui préserve la distribution de Boltzmann tout en utilisant une dynamique de particules en interaction et des noyaux sensibles aux symétries pour acquérir efficacement des données d'entraînement diverses et non redondantes pour l'apprentissage actif et l'ajustement fin de potentiels interatomiques d'apprentissage automatique.

Joanna Zou, Fraser Birks, Dallas Foster, Youssef Marzouk2026-06-04🤖 cs.LG

A Systematic Benchmark of Physics-Informed Neural Network Architectures for the Stiff Poisson-Nernst-Planck System: Adaptive LossWeighting and Multi-Scale Resolution

Cet article présente une évaluation systématique et sans données de onze architectures de réseaux de neurones informés par la physique pour le système raide de Poisson-Nernst-Planck, démontrant que la stratégie de taux de décroissance du résidu équilibré (BRDR) offre un équilibre optimal entre précision et efficacité computationnelle par rapport aux autres méthodes, tout en fournissant une implémentation en libre accès pour les recherches futures.

David Pankaczy, Conrard Giresse Tetsassi Feugmo2026-06-04🔬 physics.app-ph

ATLAS-NN: Adaptive Transfer Learnable Symplectic-aware Neural Network for Long-Time Hamiltonian Dynamics

L'article introduit ATLAS-NN, un cadre de réseau neuronal adaptatif qui améliore la modélisation de la dynamique hamiltonienne à long terme en incorporant un mécanisme d'échelle temporelle apprenable et une stratégie de transfert d'apprentissage en deux étapes, atteignant des erreurs de prédiction significativement réduites par rapport aux réseaux neuronaux hamiltoniens standards et aux intégrateurs symplectiques traditionnels.

Changhong Mou, Dinghua Xu, Xiyue Zuo, Keji Liu, Yeyu Zhang2026-06-04🔬 physics

Energetics, shearing and pumping efficiency of propagating contractions over villi-patterned wall

Cette étude utilise un modèle 2D du duodénum de rat pour démontrer que la motilité des ondes pendulaires intestinales est principalement optimisée pour le cisaillement de la barrière de mucus plutôt que pour le pompage de fluides en masse, comme en témoignent sa faible efficacité de pompage et la conclusion selon laquelle la dissipation d'énergie visqueuse est régie par la géométrie intervillositaire plutôt que par la couche limite de mélange dynamique.

Rohan Vernekar, Claude Loverdo, Stéphane Tanguy, Clément de Loubens2026-06-04🔬 physics