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 une méthode logicielle de correction de dérive par référence instantanée (SSR) utilisant des fonctions de base de Bézier et linéaires par morceaux pour éliminer les distorsions spatiales dans les données hyperspectrales acquises en microscopie électronique, sans nécessiter de matériel spécialisé.
Cette étude présente une analyse multiscale intégrant des modèles de substitution dans le code TMAP8 pour évaluer rapidement la migration, la rétention et le recyclage du tritium dans les composants d'une centrale de fusion pilote en développement par Tokamak Energy Ltd., afin d'optimiser la gestion du cycle de combustible et les conceptions des composants face au plasma.
Cet article présente les opérateurs neuronaux comme une alternative rapide et précise aux méthodes numériques traditionnelles pour la résolution d'équations aux dérivées partielles, tout en soulignant leur potentiel pour compléter les approches classiques en physique et en ingénierie tout en identifiant les défis ouverts du domaine.
Cet article propose une méthode d'apprentissage automatique améliorée, basée sur un réseau de neurones profond non entièrement connecté, pour calculer l'état fondamental de systèmes à deux corps incluant les degrés de liberté de spin et d'isospin, dont la validité est démontrée par le calcul de l'état lié unique du deutéron.
Ce papier présente LaSDI-IT, une méthode d'apprentissage de données combinant un auto-encodeur révisé et la dynamique latente pour suivre efficacement les interfaces mobiles et modéliser avec précision l'effondrement de pores induit par des chocs dans les explosifs, tout en réduisant considérablement les coûts de calcul par rapport aux simulations haute fidélité.
Cette étude démontre que l'excitation phononique ciblée permet de moduler de manière réversible la conductivité thermique du borure d'arsenic en volume, un effet où la diffusion à quatre phonons joue un rôle décisif en transformant la modulation bidirectionnelle initiale en une suppression prédominante.
Cette étude démontre qu'un algorithme d'annealing global intégrant des propositions de mouvements globaux par apprentissage automatique surpasse les méthodes classiques d'optimisation combinatoire les plus avancées pour résoudre les verres de spin, tout en conservant une robustesse supérieure sans ajustement d'hyperparamètres.
Cette étude propose un cadre général basé sur l'ansatz de Bisognano-Wichmann sur réseau et des méthodes de Monte Carlo quantique pour reconstruire numériquement l'hamiltonien d'intrication dans divers systèmes quantiques bidimensionnels, démontrant que cette approximation reste précise même en l'absence d'invariance de Lorentz, à condition que la frontière d'intrication soit exempte d'anomalies de surface.
Cette étude démontre que l'amélioration des prévisions océaniques de surface, notamment lors de la séparation d'un tourbillon du Courant de la Boucle, nécessite l'assimilation d'observations de l'océan profond pour mieux contraindre les conditions initiales et capturer les interactions dynamiques essentielles entre les couches superficielles et profondes.
Le papier présente LEDDS, un cadre open-source portable qui réalise des simulations couplées LBM-DEM efficaces sur GPU en utilisant exclusivement des primitives algorithmiques de haut niveau, offrant ainsi des performances comparables aux solveurs CUDA manuellement optimisés tout en garantissant la lisibilité et la portabilité du code.