physics.comp-ph 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.

Choosing a Suitable Acquisition Function for Batch Bayesian Optimization: Comparison of Serial and Monte Carlo Approaches

Cette étude démontre que, pour l'optimisation bayésienne par lots de fonctions « boîte noire » en dimensions réduites sans connaissance préalable du paysage ou du bruit, la fonction d'acquisition qUCB constitue le choix par défaut optimal, surpassant les approches UCB/LP et qlogEI sur des benchmarks mathématiques et des données expérimentales de cellules solaires à pérovskite.

Imon Mia, Mark Lee, Weijie Xu, William Vandenberghe, Julia W. P. Hsu2026-04-08🔬 cond-mat.mtrl-sci

Edge-of-chaos enhanced quantum-inspired algorithm for combinatorial optimization

Les auteurs proposent un algorithme d'optimisation combinatoire généralisé (GSB) qui exploite le « bord du chaos » pour atteindre des taux de réussite proches de 100 % et réduire le temps de résolution de deux ordres de grandeur par rapport aux méthodes antérieures.

Hayato Goto, Ryo Hidaka, Kosuke Tatsumura2026-04-08🔬 physics.app-ph

Extended phase-space symplectic integration for electron dynamics

Cet article présente et évalue une méthode d'intégration symplectique en espace des phases étendu pour simuler avec précision et efficacité la dynamique électronique, tant dans le cadre classique de la physique des plasmas que quantique de la théorie de la fonctionnelle de la densité dépendante du temps.

Francois Mauger, Cristel Chandre2026-04-08🔬 physics

Enhanced Climbing Image Nudged Elastic Band method with Hessian Eigenmode Alignment

Cet article présente un algorithme hybride adaptatif combinant la méthode CI-NEB et le suivi de mode minimal (MMF) pour accélérer la convergence vers les états de transition pertinents, réduisant ainsi considérablement les coûts de calcul pour la découverte automatisée de réarrangements atomiques.

Rohit Goswami (Institute IMX and Lab-COSMO, École polytechnique fédérale de Lausanne, Science Institute, University of Iceland, Reykjavik, Iceland), Miha Gunde (Science Institute, University of (…)2026-04-08🔬 cond-mat.mtrl-sci

Collective Rabi-driven vibrational activation in molecular polaritons

Cette étude révèle un mécanisme inédit d'activation vibrationnelle dans les cavités optiques pilotées, où les oscillations de Rabi électroniques collectives entraînent de manière cohérente le mouvement nucléaire des molécules, avec une efficacité maximale lorsque la séparation polaronique résonne avec un mode vibrationnel moléculaire.

Carlos M. Bustamante, Franco P. Bonafé, Richard Richardson, Michael Ruggenthaler, Wenxiang Ying, Abraham Nitzan, Maxim Sukharev, Angel Rubio2026-04-08🔬 physics

Sparse Autoencoders as a Steering Basis for Phase Synchronization in Graph-Based CFD Surrogates

Cet article propose un cadre de pilotage post-hoc utilisant des autoencodeurs clairsemés pour corriger la dérive de phase dans les modèles de substitution CFD basés sur des graphes, en démontrant que des interventions temporelles cohérentes sur des représentations désintriquées permettent de réaligner efficacement les dynamiques oscillatoires sans réentraînement.

Yeping Hu, Ruben Glatt, Shusen Liu2026-04-08💻 cs

A Theory-guided Weighted $L^2$ Loss for solving the BGK model via Physics-informed neural networks

Cet article propose une fonction de perte $L^2$ pondérée par la vitesse pour les réseaux de neurones informés par la physique, garantissant la convergence et améliorant la précision de la résolution du modèle BGK en pénalisant efficacement les erreurs dans les régions à haute vitesse.

Gyounghun Ko, Sung-Jun Son, Seung Yeon Cho, Myeong-Su Lee2026-04-08🤖 cs.LG

Jeffreys Flow: Robust Boltzmann Generators for Rare Event Sampling via Parallel Tempering Distillation

Ce papier présente le Jeffreys Flow, un cadre génératif robuste qui élimine l'effondrement des modes dans l'échantillonnage d'événements rares en distillant des données de recuit parallèle via une divergence de Jeffreys symétrique, permettant ainsi une couverture globale précise des paysages énergétiques complexes.

Guang Lin, Christian Moya, Di Qi, Xuda Ye2026-04-08🤖 cs.LG

CVT Archives and Chemical Embedding Measures for Multi-Objective Quality Diversity in Molecular Design

Cette étude démontre que l'application de l'algorithme Multi-Objective MAP-Elites avec des archives de tessellation de Voronoï centrées, basées sur des embeddings chimiques appris via ChemBERTa-2 et UMAP, permet de découvrir des molécules non linéaires optiques de meilleure qualité et plus diversifiées que les approches traditionnelles à grille uniforme.

Dominic Mashak, Jacob Schrum2026-04-08🔬 physics

Does the total energy difference method for modelling core level photoemission fail for bigger molecules?

Cette étude démontre que la méthode $\Delta$ SCF reste précise pour modéliser les énergies de liaison des électrons de cœur dans des molécules de taille moyenne comme l'anthrone, contredisant ainsi les rapports précédents sur ses échecs pour les systèmes plus grands.

Marta Berholts, Tanel Käämbre, Arvo Tõnisoo, Rainer Pärna, Vambola Kisand, Juhan Matthias Kahk2026-04-08🔬 physics

← Précédent Suivant →

physics.comp-ph