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 un agent LLM autonome capable d'exécuter une boucle de recherche complète (lecture, reproduction, critique et extension) sur des travaux de physique computationnelle, démontrant sa capacité à identifier des préoccupations substantielles à grande échelle et à générer une critique publiée non supervisée qui remet en question les conclusions d'une étude de haut niveau.
Cette étude présente un cadre d'optimisation générative hiérarchique en boucle fermée qui surmonte les limites des approches actuelles en permettant la conception simultanée de la composition et de l'organisation spatiale de systèmes multi-composants complexes, comme démontré par la réduction significative de l'énergie d'activation dans un environnement catalytique.
Cette étude présente X-MACE, un potentiel d'apprentissage automatique transférable couplé à une dynamique de saut de surface, qui permet un criblage efficace des chromophores de protéines fluorescentes en révélant comment l'encombrement stérique et l'extension de la conjugaison modulent leurs propriétés photophysiques.
Cette étude utilise l'inférence basée sur des simulations pour démontrer que les moments conditionnels des dérivés (CMD), combinés aux fonctionnels de Minkowski, surpassent le spectre de puissance des halos dans la contrainte des paramètres cosmologiques et en exploitant de manière complémentaire les informations anisotropes et non linéaires de la structure à grande échelle.
En étudiant numériquement un mélange actif composé de composants polaires et apolaires, les auteurs révèlent l'existence d'un régime de chaos spatio-temporel caractérisé par des structures en bandes denses et une prolifération de défauts topologiques, démontrant ainsi une réponse non monotone de l'espèce apolaire aux variations de densité et d'activité du composant polaire.
Le papier présente Flow Gym, un cadre unifié basé sur JAX conçu pour standardiser le développement, l'évaluation, l'entraînement et le déploiement de méthodes de quantification de champs d'écoulement, en particulier la vélocimétrie par images de particules (PIV), afin d'améliorer la reproductibilité et de faciliter leur transition vers des applications expérimentales.
Cet article propose un cadre de modélisation constitutive probabiliste pour les tissus mous anisotropes, basé sur la régression quantile conformée, qui permet de quantifier les incertitudes prédictives tout en garantissant la cohérence thermodynamique et une efficacité computationnelle sans nécessiter d'hypothèses sur la distribution des données.
Ce papier présente une approche de densité de charge modèle pour accélérer la convergence des sommes d'Ewald dans les systèmes de phase condensée, en annulant les moments multipolaires jusqu'à un ordre souhaité, et en valide l'efficacité sur le semiconducteur GaAs tout en clarifiant une implémentation historique du code CRYSTAL.
En étendant une base de données de liaisons chimiques à 13 000 matériaux, cette étude démontre que l'intégration de descripteurs de liaison quantico-chimiques améliore significativement les performances des modèles d'apprentissage automatique pour la prédiction de propriétés matérielles et facilite l'identification de relations physiques intuitives.
Cet article présente un modèle de substitution physique pour l'équation de Cahn-Hilliard stochastique en 3D, qui garantit la conservation de la masse et la reproductibilité des dynamiques de transition de phase bruitées, y compris la nucléation thermique, en paramétrant directement les flux inter-cellulaires stochastiques plutôt que les champs de densité.