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.
Ce papier présente le modèle de turbulence IPRM Ray-Colonne, une approche fondée sur la structure qui restaure l'information d'échelle spectrale radiale en projetant les états conditionnels sur des bandes de nombres d'onde finies, permettant ainsi des évaluations de fermeture plus précises et la formation d'observables filtrés par rapport aux approches traditionnelles se limitant à l'orientation.
Cette étude démontre que l'utilisation d'impulsions laser Laguerre-Gaussian bi-rouges pour piloter des sursauts de plasma modifie fondamentalement leur topologie en redistribuant l'énergie du champ longitudinal hors de l'axe vers des structures creuses en forme d'anneau, offrant ainsi de nouveaux mécanismes pour contrôler la dynamique transverse du plasma et permettant l'accélération de particules hors de l'axe.
Ce papier propose une méthode de calcul basée sur les réseaux de neurones informés par la physique (PINN) qui résout directement les états d'écoulement périodiques dans le temps en optimisant sur une seule période plutôt qu'en simulant des conditions initiales transitoires, permettant ainsi de réduire considérablement le temps de calcul tout en maintenant une précision comparable à celle des solveurs traditionnels basés sur maillage.
Cet article présente un outil de méthode des moments numériquement stable pour la simulation des paramètres S de circuits imprimés multicouches en boîtier, en combinant un formalisme de matrice S pour dériver la fonction de Green dyadique complète avec diverses fonctions de base pour modéliser à la fois les courants transverses et longitudinaux.
En utilisant des méthodes de Monte Carlo variationnel avec des états quantiques neuronaux, cette étude analyse le secteur proche du noyau de la contrainte hamiltonienne en gravité de boucles réduite quantique et identifie trois classes distinctes de solutions, dont une branche factorisée décrite avec précision par des états cohérents de Thiemann semi-classiques émergents.
Cet article présente une nouvelle méthode basée sur MPI pour construire et simuler des réseaux de neurones à spiking à grande échelle sur des clusters multi-GPU et des supercalculateurs exascale, démontrant une mise à l'échelle efficace pour des modèles corticaux complexes grâce à des stratégies optimisées de connectivité locale et d'échange de spiking.
Ce papier présente l'opérateur neural symplectique, une architecture novatrice qui préserve la structure symplectique intrinsèque des systèmes hamiltoniens de dimension infinie afin d'assurer une stabilité à long terme rigoureuse et une meilleure conservation de l'énergie par rapport aux modèles standard basés sur les données.
L'article présente le Réseau d'Amplification des Caractéristiques Quantiques (QFAN), un modèle génératif quantique autorégressif qui surmonte le goulot d'étranglement de la taille du registre dans la simulation des gerbes calorimétriques en générant des images sous forme de séquences de blocs à l'aide d'un circuit quantique de taille fixe, démontrant avec succès sa capacité à reproduire les distributions physiques clés à la fois sur des simulateurs et sur du matériel quantique IBM.
Ce papier présente une implémentation hautement efficace et accélérée par plusieurs GPU du modèle océanique à éléments discontinus SLIM, qui réalise des accélérations massives par rapport aux systèmes basés sur CPU et permet des simulations côtières à ultra-haute résolution, telles qu'une amélioration de la résolution par un facteur cinq pour la Grande Barrière de Corail.
Ce papier démontre comment la combinaison d'un agent de codage par IA générative avec un algorithme de recherche arborescente piloté par un LLM peut découvrir de manière autonome des structures photovoltaïques tridimensionnelles optimisées, à condition que le système corrige itérativement les contraintes physiques pour éliminer le piratage algorithmique des récompenses et garantir des solutions physiquement valides.