🔬 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.

Electron beam evolution in a successive Compton backscattering

Ce papier démontre théoriquement et numériquement que, dans la diffusion Compton inverse successive, la dispersion de la quantité de mouvement longitudinale d'un faisceau d'électrons converge exponentiellement vers un état d'équilibre par l'équilibre entre l'excitation quantique et le frottement radiatif, soulignant la nécessité de prendre en compte la dynamique transversale cumulative dans la conception de futures sources de rayons X et gamma à haute brillance.

D. V. Gavrilenko, A. A. Savchenko, M. N. Strikhanov, A. A. Tishchenko2026-05-26🔬 physics

A Guided Tour of Modern Domain Decomposition: From Schwarz Iterations to Robust Preconditioners and HPC Implementations

Ce chapitre offre un aperçu complet des méthodes modernes de décomposition de domaine, retraçant leur évolution depuis les itérations de Schwarz jusqu'aux préconditionneurs robustes pour des problèmes difficiles, tout en mettant l'accent sur les insights théoriques, les corrections d'espace grossier évolutives et les implémentations haute performance.

Victorita Dolean, Pierre Jolivet, Frédéric Nataf, Pierre-Henri Tournier2026-05-26🔬 physics

Learning, locomotion, and navigation of soft synthetic snakes in three-dimensional, heterogeneous environments

Cet article présente un cadre d'apprentissage par renforcement bio-inspiré permettant aux serpents synthétiques mous d'apprendre des primitives de locomotion dans des terrains simplifiés et de les composer en stratégies adaptatives pour naviguer de manière robuste dans des environnements 3D complexes et hétérogènes reconstruits à partir de données réelles.

Xiaotian Zhang, Ali Albazroun, Tixian Wang, Songyuan Cui, Prashant G. Mehta, Mattia Gazzola2026-05-26🔬 physics

Three-dimensional Anderson localization of light in dielectric disorder

Grâce à des simulations à grande échelle dans le domaine temporel d'empilements aléatoires denses de particules diélectriques à haut indice, cette étude fournit des preuves convergentes, dynamiques, spectrales et dans l'espace réel, de la localisation d'Anderson tridimensionnelle de la lumière, démontrant comment les champs aux temps tardifs s'auto-organisent en modes confinés quasi stationnaires séparés par interférence.

Yevgen Grynko, Jens Förstner2026-05-26🔬 physics.optics

PDEInvBench: A Comprehensive Dataset and Design Space Exploration of Neural Networks for PDE Inverse Problems

Ce papier présente PDEInvBench, un ensemble de données de référence complet pour les problèmes inverses d'équations aux dérivées partielles, et l'utilise pour explorer les espaces de conception des réseaux de neurones, révélant qu'une procédure d'entraînement en deux étapes combinant une supervision des paramètres avec un ajustement fin des résidus au moment du test, ainsi que des entrées dérivées des EDP et des conditions initiales diversifiées, améliore considérablement les performances d'estimation des paramètres.

Divyam Goel, Nithin Chalapathi, Sanjeev Raja, Aditi S. Krishnapriyan2026-05-26🔬 physics

Why is the strength of an elastomeric polymer network so low?

Les simulations de dynamique moléculaire à grain grossier révèlent que les réseaux polymères élastomères se rompent à des contraintes bien inférieures à la résistance des liaisons covalentes car la déformation se concentre sur un « chemin le plus court minimal » de liaisons, entraînant la rupture séquentielle d'une petite fraction de ces liaisons critiques plutôt que la rupture simultanée de l'ensemble du réseau.

Shaswat Mohanty, Jose Blanchet, Zhigang Suo, Wei Cai2026-05-25🔬 cond-mat.mtrl-sci

WellPINN: Accurate Well Representation for Transient Fluid Pressure Diffusion in Subsurface Reservoirs with Physics-Informed Neural Networks

Ce papier présente WellPINN, un nouveau flux de travail qui utilise des réseaux de neurones informés par la physique entraînés séquentiellement sur des sous-domaines rétrécissants pour modéliser avec précision la diffusion de la pression des fluides autour des puits tout au long de la période d'injection, surmontant ainsi les limitations précédentes dans la capture de la dynamique de pression aux stades précoces.

Linus Walter, Qingkai Kong, Sara Hanson-Hedgecock, Víctor Vilarrasa2026-05-25🤖 cs.LG

Full-Scattering-Matrix Deterministic Phonon Boltzmann Transport Simulation

Cet article présente un solveur de l'équation de transport de Boltzmann pour les phonons 3D, efficace sur le plan computationnel, qui surmonte les limitations de l'approximation du temps de relaxation en exploitant la nature de basse dimension des distributions hors équilibre et l'alignement sélectif des modes singuliers de diffusion pour modéliser avec précision les effets de la matrice complète de diffusion dans les dispositifs à l'échelle nanométrique.

Y. Sungtaek Ju2026-05-25🔬 cond-mat.mes-hall

Vapor-Cell-Induced Uncertainty in Rydberg Atom Measurements via the Electric-Field Volume-Integral-Equation Method

Ce papier utilise la méthode de l'équation intégrale volumique du champ électrique pour démontrer que, pour des cellules à vapeur inférieures à la moitié d'une longueur d'onde, l'incertitude sur la permittivité relative du verre constitue la source d'erreur dominante dans les mesures de champ électrique d'atomes de Rydberg, entraînant une incertitude totale d'environ 3,5 % qui pourrait être réduite à moins de 1 % avec des données de permittivité plus précises.

Martin Stumpf, William J. Watterson, Rajavardhan Talashila, Matt T. Simons, Alexandra Artusio-Glimpse, Lawrence Carslake, Tian Hong Loh, Christopher L. Holloway2026-05-25🔬 physics.atom-ph