129 articles
Cet article propose un cadre d'équations différentielles à retard neuronal (NDDE) inspiré du formalisme de Mori-Zwanzig pour apprendre efficacement des dynamiques non markoviennes à partir de systèmes partiellement observables, surpassant ainsi les méthodes existantes comme les réseaux LSTM et les ANODEs.
Cet article présente un modèle thermodynamiquement cohérent basé sur la théorie des milieux poreux pour simuler l'injection de ciment acrylique dans l'os spongieux vertébral en conditions non isothermes, en tenant compte du non-équilibre thermique local entre les phases.
En étendant la théorie des déformations non affines via un noyau de mémoire dépendant du temps dans une équation de Langevin généralisée, cette étude propose un cadre atomistique unifié capable de prédire avec précision la réponse viscoélastique du poly(méthacrylate de méthyle) sur plus de vingt décades de fréquence, comblant ainsi le fossé entre les échelles microscopiques et macroscopiques.
Cet article présente un nouvel algorithme Monte Carlo pour les problèmes de transport de particules dépendants du temps, qui utilise des fenêtres de poids globales et automatiques définies par la solution d'un problème hybride Monte Carlo/déterministe basé sur les équations du second moment d'ordre inférieur (LOSM).
L'article présente la méthode SAP-X2C, un hamiltonien relativiste à deux composants à la fois simple et précis qui intègre les effets de changement de image à deux électrons tout en conservant une intensité de taille permettant son application aux systèmes étendus.
Cet article présente un algorithme de tirage unidirectionnel pour l'échantillonnage des trajectoires de transition qui accepte systématiquement chaque proposition tout en corrigeant le biais par un schéma de rééchantillonnage, permettant ainsi un échantillonnage efficace et correct de la formation d'hydrates de clathrate de CO₂ dans des conditions difficiles d'accès.
Cet article présente un modèle de substitution multitâche pour les équations d'état des étoiles à neutrons qui fournit des incertitudes certifiées et sans hypothèse de distribution grâce à la prédiction conforme Mondrian, permettant une inférence efficace et fiable des masses, rayons et déformabilités tidales.
Cette étude démontre que l'opérateur neuronal de Fourier (FNO), intégré dans un cadre d'apprentissage automatique, surpasse les architectures AE et U-Net ainsi que les méthodes CFD traditionnelles pour prédire efficacement et rapidement l'écoulement en régime permanent dans les milieux poreux, offrant ainsi une solution évolutive pour l'optimisation topologique des plaques froides.
En combinant des avancées en apprentissage automatique et en théorie de la structure électronique, cette étude démontre que l'obtention d'une précision quantitative pour l'énergie libre d'appariement ionique du CaCO₃ en solution aqueuse nécessite de dépasser la théorie de la fonctionnelle de la densité standard pour atteindre le niveau de théorie couplée CCSD(T).
Cette étude démontre que les machines d'Ising basées sur des oscillateurs surpassent systématiquement celles utilisant des verrous bistables en résolution de problèmes d'optimisation, grâce à une dynamique physique qui permet une déstabilisation sélective des états de haute énergie, contrairement à la stabilité linéaire uniforme des verrous.
Cette étude présente un modèle de substitution basé sur un opérateur neuronal informé par la physique (PINO) qui accélère de plus de 10 000 fois l'analyse de la rétention des mémoires NAND verticales ferroélectriques par rapport aux outils TCAD traditionnels, tout en préservant la précision physique nécessaire à l'optimisation des dispositifs.
Cette étude démontre la faisabilité d'apprendre la matrice de densité réduite à deux électrons (2-RDM) par apprentissage automatique pour obtenir des modèles de haute fidélité capables de prédire avec précision les énergies et les forces de systèmes moléculaires complexes, tels que le glucose solvaté, à un coût computationnel équivalent à celui de la méthode Hartree-Fock tout en atteignant la précision du couplage de clusters.
Cet article présente un solveur couplé électromagnétique-thermique-mécanique accéléré par GPU qui permet des simulations transitoires à grande échelle et non homogénéisées pour la conception précoce de packages avancés, comblant ainsi le fossé entre la fidélité physique et le temps de calcul afin de détecter des mécanismes de défaillance invisibles aux méthodes conventionnelles.
Cet article présente une méthode pseudo-spectrale semi-analytique couplée à un schéma de différenciation exponentielle pour résoudre efficacement les équations de Boussinesq tridimensionnelles dans des domaines cylindriques infinis, permettant la simulation stable et précise des écoulements rotatifs et stratifiés soumis à un fort cisaillement azimutal sans les contraintes de stabilité temporelle des méthodes classiques.
Cet article propose un cadre géométrique basé sur un couplage négatif multi-échelle covariant sur des variétés riemanniennes dynamiques pour prévenir l'effondrement des attracteurs dans les systèmes dissipatifs infinis, en démontrant théoriquement que cette approche préserve la complexité structurelle et la dimension finie des attracteurs globaux, ce qui est confirmé par des simulations numériques stabilisant des attracteurs de haute dimension face à une dissipation macroscopique sévère.
Le papier présente paces, une méthode parallélisée pour GPU qui calcule la dynamique quantique en faisant évoluer dynamiquement un sous-espace restreint construit à partir des applications itérées de l'opérateur Hamiltonien, offrant une alternative efficace aux tenseurs de matrice pour les systèmes à Hamiltoniens creux.
Cet article présente une méthode numérique généralisable et extensible pour la reconstruction d'interfaces et le couplage multiphysique, qui combine une reconstruction géométrique précise et un algorithme de transfert de flux conservateur pour assurer une intégration cohérente entre différents domaines de simulation avec des erreurs minimales.
Cet article présente la méthode de Taguchi comme un outil efficace pour optimiser la propagation non linéaire des impulsions dans les fibres optiques, démontrant sa capacité à converger rapidement vers des paramètres souhaités grâce à l'utilisation de plans orthogonaux et à une stratégie privilégiant l'exploitation, comme illustré par des applications sur le soliton à centre directeur et la conservation de l'ordre du soliton dans les fibres à dispersion décroissante.
Cette étude présente des architectures de potentiels interatomiques basés sur l'apprentissage automatique utilisant des mélanges d'experts (MoE) qui, grâce à une activation parcimonieuse et un routage élément par élément, atteignent une précision inédite tout en révélant une spécialisation chimique interprétable alignée sur les tendances du tableau périodique.
Cet article établit un cadre microscopique pour la dynamique phononique non markovienne induite par des impulsions laser THz, démontrant comment les effets de mémoire influencent la production de chaleur et permettant son inférence expérimentale à partir de la dynamique d'un mode phononique individuel.