1266 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.
Cette étude démontre l'observation simultanée de la non-localité de Bell à la fois de haute dimension et à plusieurs corps sur un processeur quantique supraconducteur, en utilisant douze qubits pour corréler deux systèmes de dimension .
Ce travail présente l'application de la propagation de croyance généralisée (GBP) pour la contraction approximative de réseaux de tenseurs, en démontrant son efficacité et sa précision sur divers modèles physiques à travers des implémentations numériques et analytiques.
Ce papier développe et compare deux cadres numériques — une méthode raffinée d'intégrale de Rayleigh-Sommerfeld et une approche de traçage de rayons haute fréquence — pour modéliser la propagation de faisceaux ultrasonores à travers des interfaces, démontrant que la première est optimale pour générer des images de champ complet tandis que la seconde est plus efficace pour évaluer les champs à travers plusieurs interfaces en des points spécifiques.
Cette étude utilise des calculs ab initio pour résoudre le mystère de longue date de la conductivité dépendante de la pression partielle d'oxygène dans le SrTiO3 en révélant comment les défauts intrinsèques, en particulier la transition des lacunes d'oxygène vers des antisites titane sur strontium et le comportement anormal de type donneur des lacunes de titane via la formation de trimères d'oxygène, régissent le passage du matériau d'une conductivité métallique à une conductivité de type n et de type p à travers divers potentiels chimiques d'oxygène.
Ce papier présente une nouvelle méthode de calcul classique pour la dynamique quantique qui, contrairement aux approches par pas de temps conventionnelles, utilise un principe variationnel global dans le temps pour simuler l'évolution complète d'un système via un réseau de neurones de type Galerkin.
Cet article présente des algorithmes d'apprentissage automatique évolutifs et interprétables basés sur des filtres adaptés qui réduisent considérablement le diaphonie de lecture et les coûts de calcul pour les mesures de qubits à atomes neutres par rapport aux seuils gaussiens traditionnels et aux réseaux de neurones convolutifs complexes.
En utilisant des calculs de modes de vibration locaux basés sur les premiers principes avec un fonctionnel hybride, cette étude identifie les complexes lacune-strontium-hydrogène (VSr-Hi et VSr-2Hi) et les complexes lacune-titane-hydrogène (VTi-2Hi) comme les sources principales des bandes d'absorption infrarouge dominantes et supplémentaires dans SrTiO3, respectivement, résolvant ainsi les ambiguïtés antérieures concernant les configurations des impuretés d'hydrogène.
Ce papier présente une généralisation de la méthode de densité d'énergie à la théorie de la fonctionnelle de la densité de spin, permettant de décomposer l'énergie totale en énergies atomiques bien définies pour l'étude approfondie des systèmes magnétiques.
Cette étude démontre qu'une architecture de renforcement par apprentissage modulaire, inspirée de la structure distribuée des systèmes de contrôle des insectes, surpasse les contrôleurs centralisés classiques pour résoudre des tâches de navigation complexes impliquant des objectifs comportementaux concurrents.
Ce travail présente un cadre de conception de propulseurs marins basé sur l'IA qui utilise une génération de données physique et des modèles génératifs (notamment la diffusion latente) pour transformer directement des spécifications de performance en géométries optimisées, réduisant ainsi considérablement les cycles d'itération traditionnels.