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.
Cet article examine la dynamique de poursuite-évasion entre un poursuivant déterministe et autonome et un évadé stochastique et cognitif en deux dimensions, révélant que le temps de capture de l'évadé est fortement influencé par le choix d'une manœuvre rétrograde à haut risque ou d'une stratégie de culbute vers l'avant avec des ajustements continus selon la domination du poursuivant.
Cet article présente une extension du package EPW pour calculer le couplage électron-phonon dans les matériaux magnétiques en utilisant l'approximation de la densité de spin locale, révélant par une validation sur le fer et le nickel ferromagnétiques que la diffusion électron-phonon est le mécanisme dominant de résistivité dans le fer mais ne représente que moins d'un tiers de la résistivité dans le nickel.
Ce papier présente MiAD, un modèle de diffusion conjoint équivariant qui utilise une technique novatrice d'« infusion de mirage » pour modifier dynamiquement le nombre d'atomes au cours de la génération, améliorant ainsi considérablement la découverte de matériaux cristallins stables, uniques et nouveaux par rapport aux approches actuelles les plus avancées.
Cet article établit une correspondance mathématique exacte entre l'entraînement en apprentissage profond et les problèmes de valeur initiale de Hamilton-Jacobi, unifiant les architectures de réseaux de neurones, l'algèbre tropicale, les EDP visqueuses et l'optimisation convexe sous un unique paramètre de déformation pour dériver des insights théoriques précis sur la généralisation, la robustesse et l'attribution.
Cet article propose un algorithme variationnel hybride quantique-classique utilisant des approximations polynomiales de la densité d'énergie de déformation pour résoudre des problèmes d'éléments finis non linéaires pour des matériaux hyperélastiques sur des dispositifs quantiques à court terme, démontrant sa faisabilité par des expériences numériques sur un modèle néo-hookéen unidimensionnel.
Cet article présente WF-Bench, un ensemble de données et un protocole d'évaluation complets qui évaluent l'expressivité des fonctions d'onde des réseaux de neurones à travers divers systèmes quantiques à plusieurs corps, révélant des lois d'échelle empiriques et établissant un cadre unifié pour comparer des architectures telles que Psiformer et Ferminet.
Ce papier révèle une relation en loi de puissance largement indépendante du système entre l'intensité de couplage requise pour déclencher des événements extrêmes dans les systèmes dynamiques en réseau et les propriétés topologiques ou spectrales de leurs structures de couplage.
Ce article présente un cadre synergique combinant des simulations à grains grossiers, la rhéologie expérimentale et l'apprentissage automatique pour cartographier efficacement l'espace de conception des fluides de matière douce à base d'ADN, permettant la découverte rationnelle et accélérée de matériaux aux propriétés rhéologiques en vrac sur mesure.
Ce papier démontre que les informations syntaxiques et sémantiques dans le LLM DeepSeek-V3 sont encodées partiellement de manière linéaire et distribuées de façon différentielle à travers les couches, comme en témoigne la capacité à découpler ces signaux par la soustraction des centroïdes de représentations moyennées.
GenSBI est une nouvelle bibliothèque open-source JAX qui implémente l'appariement de flux, l'appariement de scores et les modèles de diffusion par débruitage avec des architectures basées sur des transformateurs pour fournir un cadre natif de bout en bout d'inférence basée sur la simulation aux chercheurs utilisant JAX, atteignant une haute précision et des distributions postérieures bien calibrées sur des benchmarks standards.