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 présente une méthode de calibration bayésienne hiérarchique accélérée par des réseaux de neurones profonds pour dériver des modèles mésoscopiques précis de microbulles encapsulées utilisées comme agents de contraste en ultrasons, en s'appuyant sur des données de spectroscopie de force.
Le papier présente NEPMaker, un cadre d'apprentissage actif piloté par la D-optimalité intégré à GPUMD, qui permet d'entraîner des potentiels neuroévoqués (NEP) robustes et transférables pour de grandes cellules en identifiant et en traitant les environnements atomiques extrapolatifs via des structures périodiques locales.
Cet article présente MolCryst-MLIPs, une base de données ouverte de potentiels interatomiques appris par machine pour neuf systèmes de cristaux moléculaires, développée via un pipeline automatisé et validée pour des simulations de dynamique moléculaire fiables.
En combinant des calculs de premiers principes et une analyse de symétrie, cette étude propose l'allotrope de bore - comme un candidat idéal pour explorer la coexistence protégée par la symétrie d'une surface nodale bidimensionnelle et de multiples types de fermions de Weyl dans un système topologique sans spin.
Cet article propose une nouvelle méthodologie d'homogénéisation inverse distributionnelle permettant de déduire les statistiques globales d'une microstructure matérielle à partir de mesures macroscopiques non invasives, en combinant la théorie de l'homogénéisation et des approches probabilistes.
Cet article propose une nouvelle analyse théorique de la scalabilité faible des méthodes de Schwarz à un niveau pour les équations de Maxwell dans les guides d'ondes, en combinant l'analyse spectrale de matrices de Toeplitz et la décomposition modale pour démontrer la robustesse de la méthode par rapport au nombre d'onde sous certaines conditions de transmission et de décomposition de domaine.
Cette étude présente un modèle de substitution basé sur l'opérateur neuronal de Fourier (FNO) qui permet de modéliser la croissance des grains avec une précision élevée et une invariance de résolution, surmontant ainsi les limitations de coût computationnel et de généralisation des approches traditionnelles de champ de phase.
Cette étude propose une approche d'optimisation sous contraintes pour stabiliser les plasmas dans le système de Vlasov-Poisson, démontrant que l'analyse de la relation de dispersion permet d'identifier de bonnes initialisations et que l'utilisation de fonctions objectif intégrant l'information temporelle améliore la convexité du paysage d'optimisation, facilitant ainsi la convergence des méthodes basées sur le gradient.
Cet article présente un cadre de simulation sans corps pour les sillons turbulents tridimensionnels d'un cylindre, démontrant que la résolution des équations de Navier-Stokes sur un domaine simplifié avec des profils d'entrée basés sur des données expérimentales ou des DNS permet de reconstruire fidèlement la dynamique du sillage à un coût computationnel réduit, confirmant ainsi que les dynamiques essentielles sont gouvernées par l'instabilité du profil de sillage proche plutôt que par la présence physique du corps.
Ce papier présente Bayesian-ARGOS, un cadre hybride alliant criblage fréquentiste rapide et inférence bayésienne ciblée pour découvrir de manière automatisée et statistiquement rigoureuse les équations gouvernant des systèmes complexes à partir de données bruyantes et limitées, surpassant les méthodes existantes en efficacité, précision et coût computationnel.