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 introduit les Modèles de Réseaux Élastiques Quantiques (QENMs) en étendant un algorithme quantique à deux dimensions, démontrant leur capacité à simuler efficacement des feuilles de graphène macroscopiques avec des avantages exponentiels par rapport aux méthodes classiques en termes de mémoire et de temps d'exécution pour des applications telles que le transfert de chaleur et l'analyse du gauchissement.
Cet article présente deux nouveaux algorithmes pour échantillonner efficacement des états de réseaux de tenseurs isométriques bidimensionnels (isoTNS) — l'un pour des configurations uniques indépendantes et l'autre pour identifier des configurations à haute probabilité via une recherche gloutonne — démontrant leur efficacité à travers diverses variations d'intrication et de tailles de système.
L'article présente **akaitools**, un package Python conçu pour analyser, structurer et traiter les sorties non structurées des calculs de structure électronique AkaiKKR, permettant ainsi des études systématiques à haut débit sur les alliages désordonnés grâce à des fonctionnalités telles que des résultats basés sur des dataclasses, des outils de visualisation et la génération automatisée d'entrées.
Cet article propose une approche basée sur les réseaux de tenseurs pour la prédiction de séries temporelles chaotiques qui surmonte la croissance exponentielle des paramètres de l'informatique de réservoir de nouvelle génération en décomposant les tableaux multidimensionnels, atteignant ainsi une précision et une efficacité de calcul supérieures par rapport aux réseaux à état d'écho conventionnels.
Cet article présente la méthode TIME, une approche de simulation multi-échelle et indépendante du code qui modélise efficacement le débordement du lobe de Roche en 3D, révélant un seuil critique de taux de transfert de masse d'environ $1,01$ qui distingue l'évolution stable à l'échelle nucléaire de l'accrétion instable à l'échelle thermique.
Cet article introduit un schéma d'intégration thermodynamique NPT rigoureux en deux étapes qui élimine la correction approximative NVT-vers-NPT requise par les méthodes conventionnelles, fournissant ainsi des calculs de l'énergie libre de Gibbs plus précis et directs pour les solides cristallins, particulièrement ceux présentant des fluctuations complexes de la forme de la maille comme le CsPbI3.
Cet article présente une méthode exacte qui exploite les symétries de miroir dans les cellules unitaires périodiques pour décomposer les problèmes de valeurs propres en quatre sous-problèmes indépendants sur un quart de cellule, permettant le calcul efficace des intervalles de bandes interdites via des formules explicites dérivées de seulement trois vecteurs d'onde discrets sans calculer l'intégralité du diagramme de dispersion.
Cet article propose un sondage structuré des approches de modélisation constitutive pour les polymères magnéto-actifs à déformations finies, retraçant leur évolution des descriptions semi-empiriques vers des cadres thermodynamiquement cohérents avancés tout en mettant en évidence les défis actuels en matière d'identification de paramètres, de validation de modèles et d'implémentation numérique.
Cette étude évalue systématiquement la fiabilité des réseaux de neurones physiques inverses pour l'estimation du coefficient de rugosité de Manning dans les équations d'écoulement à faible profondeur, révélant que si les écoulements bidimensionnels permettent une récupération robuste avec des données éparses et bruitées, les écoulements unidimensionnels souffrent de limitations d'identifiabilité structurelle et que des observations conjointes de la hauteur d'eau et de la vitesse sont essentielles pour une identification précise des paramètres.