1011 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 soutient que pour réaliser un avantage tangible dans la chimie computationnelle à l'échelle utilitaire, les algorithmes quantiques doivent évoluer au-delà de la simple résolution de problèmes fortement corrélés pour s'intégrer de manière pratique dans des pipelines de calcul à haut débit capables de traiter des molécules arbitraires.
Cet article présente une méthode numérique stable et rapide pour résoudre les problèmes de diffusion acoustique multiscellulaire en 2D et 3D, qui combine des matrices de diffusion locales calculées par la méthode des solutions fondamentales (MFS) avec un solveur global itératif accéléré par la méthode multipolaire rapide, permettant ainsi de surmonter les problèmes de conditionnement locaux tout en conservant une mise en œuvre simple.
Cette étude prédit l'existence de nanotubes de phosphure de carbone () stables, qui constituent une plateforme unique de quasi-unidimensionnalité hébergeant intrinsèquement à la fois des fermions de Dirac et des bandes plates, avec des propriétés électroniques et magnétiques modulables par déformation mécanique.
Cet article présente les Réseaux de Neurones à Théorie Effective (EFNN), une nouvelle architecture inspirée de la renormalisation qui surpasse les réseaux standards en modélisant des systèmes à plusieurs corps classiques et quantiques avec une capacité de généralisation exceptionnelle vers des tailles de système bien supérieures à celles utilisées pour l'entraînement.
Cette étude utilise le déséquilibre d'information pour démontrer que les représentations sémantiques convergent à travers les langues, les modalités et les architectures, tout en révélant que la prédictibilité dirigée dépend fortement de la profondeur des couches, de l'échelle du modèle et de la langue, avec des modèles massifs indépendants surpassant parfois les modèles multimodaux entraînés conjointement.
Cet article présente un cadre d'apprentissage variationnel permettant à de petits réseaux de neurones d'acquérir une intuition physique en apprenant à partir de très peu d'observations, une capacité de généralisation expliquée par une théorie unifiée reliant la stabilité de l'opérateur d'Euler-Lagrange à la taille critique du réseau.
Cet article présente la Méthode d'Énergie Profonde Étendue (XDEM), un cadre d'apprentissage profond unifié qui surpasse les méthodes existantes en fracture mécanique en combinant modèles discrets et continus pour permettre des prédictions précises avec des points de collocation uniformément répartis et peu denses.
Cet article de perspective propose un cadre unifié basé sur les encodages par blocs et les transformations polynomiales pour combler le fossé entre les algorithmes quantiques théoriques et les applications pratiques en sciences computationnelles, en mettant l'accent sur leur scalabilité et leurs applications prometteuses en chimie, physique et optimisation.
Cet article présente l'implémentation des forces atomiques analytiques dans l'approximation de la phase aléatoire (RPA) et son extension RPAx, démontrant une excellente précision numérique et une amélioration systématique par rapport à la fonctionnelle PBE pour le calcul des géométries et des fréquences vibrationnelles de divers systèmes moléculaires et solides.
Cette note présente une forme à correction de flux du schéma d'ordre trois basé sur les arêtes pour les équations d'Euler, permettant l'utilisation directe d'une fonction de flux numérique générale tout en préservant la précision d'ordre trois grâce à l'évaluation exacte des états gauche et droit via le schéma U-MUSCL avec κ = 1/2.