1268 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 présente le développement de SPRAY, un code de radiation hydrodynamique accéléré par GPU et basé sur la méthode SPH sans maillage, conçu spécifiquement pour simuler avec précision les interactions laser-plasma à haute intensité en résolvant les défis numériques liés aux déformations complexes des fluides.
Cet article présente le premier système de tomographie de faisceau 6D entièrement autonome déployé sur la ligne DIAG0 du LCLS-II, qui utilise des algorithmes d'apprentissage automatique et des méthodes d'analyse générative pour reconstruire en temps réel la distribution de l'espace de phase avec une fidélité inédite.
Dans ce quatrième article d'une série, les auteurs étendent leur modèle de fermeture de moments par apprentissage machine à l'équation de transfert radiatif en 2D2V en exploitant la structure de la méthode classique pour concevoir une paramétrisation qui garantit, par construction, l'hyperbolicité symétrisable du système tout en améliorant les performances par rapport aux modèles classiques.
Cet article présente un pipeline pour construire un graphe de connaissances centré sur les auteurs dans le domaine de la recherche sur les batteries, en exploitant OpenAlex et des techniques d'extraction de mots-clés avancées pour faciliter la découverte de collaborateurs et l'analyse sémantique à l'échelle mondiale.
En utilisant la dynamique moléculaire assistée par l'apprentissage automatique, cette étude révèle que le glissement intercouche dans les super-réseaux de Moiré ferroélectriques en MoS₂ est un processus collectif médié par les parois de domaines avec une barrière énergétique ultrabasse, et non un déplacement rigide, et que de faibles concentrations de lacunes de soufre suffisent à transformer ce glissement en un épinglage localisé.
Cet article propose un noyau analytique de produit matrice-Hessienne par propagation récursive d'états tangents, intégré dans un cadre de confiance riemannien pour optimiser les réseaux de tenseurs et obtenir une convergence plus rapide et une fidélité nettement supérieure à celle des méthodes d'ordre un lors de la compression de circuits quantiques.
Cette étude démontre, grâce à des calculs de premiers principes, que les allotropes de carbone bidimensionnels de type azulénokékulène (AKC) constituent des isolants topologiques d'ordre supérieur protégés par la symétrie , caractérisés par une charge de coin fractionnaire et des états de coin exotiques robustes.
Cet article présente un outil open-source d'interprétabilité mécanistique conçu pour décrypter les prévisions des modèles météorologiques basés sur l'IA, en analysant leurs représentations latentes afin d'identifier des caractéristiques météorologiques interprétables, comme démontré sur le modèle GraphCast.
Cet article propose une méthode approximative basée sur la théorie des perturbations du premier ordre pour prédire avec précision les distributions statistiques des fréquences de résonance et des facteurs de qualité des cavités optiques et des nanoparticules plasmoniques affectées par des déformations de surface aléatoires, offrant une alternative efficace aux calculs numériques directs.
Cet article propose un cadre d'inférence basé sur la simulation (SBI) alimenté par des réseaux de neurones pour le suivi de l'état des échangeurs de chaleur, permettant une estimation probabiliste rapide et précise des paramètres de dégradation en temps réel, surpassant ainsi les méthodes bayésiennes traditionnelles comme MCMC par un facteur de 82 en termes de vitesse d'inférence.