🔬 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.

Fast and Accurate Prediction of Lattice Thermal Conductivity via Machine Learning Surrogates

Ce papier évalue 15 modèles de substitution d'apprentissage automatique sur une grande base de données Phonix pour prédire la conductivité thermique du réseau, révélant que si les modèles intégrant des potentiels interatomiques basés sur l'apprentissage automatique excellent dans l'interpolation, les réseaux de neurones profonds comme ALiEGNN offrent une robustesse supérieure pour l'extrapolation hors distribution, permettant ainsi un criblage à haut débit efficace des matériaux thermoélectriques à une fraction du coût computationnel des simulations de premiers principes.

Zeyu Wang, Shuya Yamazaki, Martin Hoffmann Petersen, Masato Ohnishi, Tomiya Yamamoto, Wei Nong, Jianghai Wang, Ruiming Zhu, Masatoshi Hanai, Michimasa Morita, Toyotaro Suzumura, Zekun Ren, Junichiro S (…)2026-05-13🔬 cond-mat.mtrl-sci

Identifying the relevant parameters in design strategies for stable glasses

Cette étude remet en cause l'hypothèse selon laquelle l'optimisation de propriétés physiques spécifiques telles que l'hyperuniformité ou l'ordre local entraîne une stabilité accrue des verres, démontrant à la place que le processus dynamique de modification des diamètres des particules est le véritable facteur causal à l'origine de la formation de verres ultrastables.

Leonardo Galliano, Ludovic Berthier2026-05-13🔬 cond-mat

Bayesian Reasoning for Physics Informed Neural Networks

Ce papier présente une formulation bayésienne fondée sur des preuves des réseaux de neurones informés par la physique qui utilise une approximation de Laplace pour calculer analytiquement la vraisemblance du modèle, permettant une optimisation automatique efficace, sans échantillonnage, des poids de perte et une quantification de l'incertitude pour diverses équations aux dérivées partielles.

Krzysztof M. Graczyk, Kornel Witkowski2026-05-12🔬 physics

Acoustics-based Active Control of Unsteady Flow Dynamics using Reinforcement Learning Driven Synthetic Jets

Cet article présente un cadre d'apprentissage par renforcement profond qui utilise des mesures acoustiques en champ lointain comme signal de rétroaction principal pour piloter l'actionnement par jet synthétique, supprimant avec succès la dynamique instable du sillage derrière un cylindre circulaire et réalisant des réductions significatives du bruit rayonné et de la traînée sans recourir à des capteurs de vitesse ou de pression traditionnels.

Siddharth Rout, Khai Phan, Chao-An Lin2026-05-12🔬 physics.app-ph

Diagnosing phase transitions through time-scale entanglement

Cet article présente l'intrication échelle-temps, une nouvelle forme d'intrication entre des échelles de temps imaginaires accessibles via des diagnostics de train tensoriel quantique (QTTD), en tant qu'indicateur universel et non biaisé qui est génériquement renforcé près des transitions de phase et devient invariant d'échelle aux points critiques quantiques.

Stefan Rohshap, Hirone Ishida, Frederic Bippus, Leonard M. Verhoff, Anna Kauch, Karsten Held, Hiroshi Shinaoka, Markus Wallerberger2026-05-12🔬 cond-mat

A Quantum Linear Systems Pathway for Solving Differential Equations

Cet article présente une voie quantique systématique pour résoudre des équations différentielles en combinant l'encodage par blocs avec la transformation des valeurs singulières quantiques (QSVT), démontrant son application aux équations de la chaleur et de Burgers tout en fournissant des estimations critiques des ressources matérielles et des analyses de mise à l'échelle qui mettent en évidence les limitations actuelles et les orientations futures pour réaliser un avantage quantique.

Abhishek Setty2026-05-12⚛️ quant-ph

Consistent Projection of Langevin Dynamics: Preserving Thermodynamics and Kinetics in Coarse-Grained Models

Ce papier présente un formalisme de grossissement basé sur la projection pour la dynamique de Langevin sous-amortie qui intègre la décomposition modale dynamique étendue du générateur (gEDMD) et l'interpolation thermodynamique pour préserver avec précision à la fois les propriétés thermodynamiques et cinétiques des systèmes complexes multi-échelles à travers différents états thermodynamiques.

Vahid Nateghi, Lara Neureither, Selma Moqvist, Carsten Hartmann, Simon Olsson, Feliks Nüske2026-05-12🔬 physics

Crystal Fractional Graph Neural Network for Energy Prediction of High-Entropy Alloys

Ce papier propose un Réseau de Neurones Graphiques Fractionnaires Cristallins qui combine l'analyse de l'environnement atomique local via des mécanismes d'attention graphique avec des données compositionnelles globales pour prédire avec précision l'énergie des alliages à haute entropie, atteignant une précision de niveau premier principe sur un jeu de données de plus de 1 000 structures tout en reconnaissant les limitations actuelles avec les grandes mailles cristallines.

Takanori Kotama, Yang Huang2026-05-12🔬 physics