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 propose un cadre unifié qui fait le pont entre l'apprentissage profond géométrique et l'analyse numérique rigoureuse pour les simulations CFD en introduisant la prédiction multi-nœuds, la correction temporelle via l'attention croisée et les embeddings positionnels rotatifs 3D pour surmonter les limitations de stabilité et de précision des substituts ML existants sur les maillages non structurés.
Ce papier propose une approche d'apprentissage profond guidée par la physique utilisant une architecture U-Net pour supprimer efficacement les artefacts structurés et non stationnaires en imagerie X monoshot, améliorant significativement la qualité de reconstruction et la préservation du signal par rapport aux méthodes traditionnelles tout en intégrant des ensembles profonds pour assurer la robustesse via l'estimation d'incertitude.
Ce papier présente un cadre de régression symbolique pondérée par composition qui combine des algorithmes de recherche hybrides avec des opérateurs max/min pour générer des expressions analytiques interprétables permettant de prédire directement diverses propriétés des matériaux à partir de la composition chimique, atteignant une précision compétitive par rapport aux modèles boîte noire tout en révélant des tendances élémentaires chimiquement significatives.
Cet article propose et valide une stratégie pour construire des fonctionnels explicites qui cartographient directement les potentiels de Kohn-Sham vers les densités de charge dans les matériaux inhomogènes en utilisant des données de gaz d'électrons homogène, démontrant avec succès une précision améliorée grâce à des approximations de plus en plus sophistiquées sans résoudre l'équation de Schrödinger de Kohn-Sham.
Cette étude démontre que la fraction de remplissage de la vorticité dans la turbulence bidimensionnelle de Navier-Stokes en décroissance régit la transition des équilibres de tourbillons ponctuels vers ceux de tourbillons de taille finie, ce qui impose à son tour un glissement correspondant du transport des traceurs lagrangiens d'un piégeage orbital sous-diffusif vers un mouvement linéaire super-diffusif à mesure que le remplissage augmente.
Ce papier présente un cadre d'analyse adversaire sensible à l'échelle utilisant une décomposition par diffusion contrainte pour révéler que les modèles d'IA générative standards échouent à internaliser les lois physiques à travers les échelles, exhibant à la place un gel structurel et une instabilité lorsqu'ils sont soumis à des perturbations contraintes physiquement.
Cet article présente MuDirac 1.3.0, un outil logiciel open-source durable et efficace permettant à la communauté des muons négatifs de calculer avec précision des propriétés nucléaires, telles que le rayon de charge, en modélisant les énergies de transition des rayons X muoniques selon une distribution de Fermi à deux paramètres.
Ce papier présente un ordinateur à réservoir photonique spatio-temporel hybride expérimental utilisant un réseau de VCSEL couplés par diffraction qui améliore considérablement les performances de classification et l'évolutivité en combinant un couplage spatial avec un multiplexage temporel pour étendre un réseau de 12 nœuds à un système de 968 nœuds avec une erreur de test réduite de 0,026.
Ce papier propose un algorithme efficace fondé sur l'approche MeLoCoToN qui formule la factorisation d'entiers comme une équation de réseau de tenseurs dérivée d'un circuit de multiplication binaire, optimisant la structure du réseau et démontrant ses performances par des méthodes de contraction exactes et approximatives.
Cet article présente le code Python xARPES, qui utilise une méthode d'entropie maximale étendue avec inférence bayésienne pour extraire de manière cohérente les auto-énergies électroniques et les fonctions d'Eliashberg à partir de dispersions courbées dans les données de spectroscopie photoélectronique à résolution angulaire, démontrant une précision supérieure sur les ensembles de données modèles et expérimentaux par rapport aux approches existantes basées sur la linéarisation.