998 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.
Le papier présente FFTArray, une bibliothèque Python modulaire et performante qui automatise la discrétisation des transformées de Fourier multi-dimensionnelles pour faciliter la résolution d'équations aux dérivées partielles tout en s'adaptant à divers systèmes de coordonnées et en supportant l'accélération matérielle via des backends comme NumPy, JAX et PyTorch.
En s'inspirant des corrections de la théorie du champ moyen sur les réseaux réguliers, cette étude développe un cadre général pour les graphes réguliers aléatoires qui, grâce à un système hiérarchique d'équations différentielles décrivant les corrélations spatiales à diverses distances, permet de prédire avec précision la dynamique des épidémies SIS en surmontant les limites des approximations classiques.
En résolvant l'équation de Schrödinger pour un potentiel cristallin, cette étude révèle l'effet d'affinité de barrière de potentiel (PBA), un mécanisme quantique fondamental où les électrons s'accumulent dans les régions interatomiques lorsque leur énergie dépasse le maximum de la barrière, redéfinissant ainsi notre compréhension de la liaison chimique et des propriétés des matériaux solides.
Cet article propose un schéma de patching adaptatif exploitant les structures QTT parcimonieuses par blocs pour réduire les coûts computationnels des opérations Tensor Train, permettant ainsi le calcul efficace de diagrammes à bulles et d'équations de Bethe-Salpeter pour des applications à grande échelle.
Cet article propose un cadre de diffusion vidéo informé par la physique qui intègre directement les contraintes des équations de Saint-Venant dans le processus génératif pour produire simultanément des vidéos réalistes et des états physiques cohérents, surpassant ainsi les méthodes purement data-driven en fidélité physique et les pipelines de simulation traditionnels en rapidité.
Cet article propose un cadre variationnel unifié intégrant la fracture par champ de phase et le contact par troisième milieu dans l'hyperélasticité à grandes déformations, éliminant ainsi le besoin d'algorithmes de suivi explicite tout en permettant la simulation prédictive de phénomènes couplés comme les zones d'écrasement secondaire observées lors des essais de disque brésilien.
Cette étude présente un protocole optimisé utilisant des réseaux de neurones artificiels pour identifier avec une précision de 96 % les solvants à partir des motifs de fissuration laissés par des suspensions d'amidon après évaporation, en se basant sur l'analyse de neuf caractéristiques morphologiques.
Cet article présente un réseau de neurones informé par la physique non supervisé, doté d'une stratégie de paramétrisation par fenêtre, capable de résoudre de manière robuste et systématique les équations de point selle régissant l'ionisation au-dessus du seuil dans des champs laser complexes, surpassant ainsi les méthodes conventionnelles pour l'exploration de vastes espaces de paramètres et ouvrant la voie à des modèles plus avancés.
Cet article présente une fermeture de sous-maille basée sur un réseau de neurones contraint par la physique pour les simulations des grandes échelles en méthode de Boltzmann sur réseau, qui améliore les performances statistiques par rapport aux modèles classiques tout en conservant la compatibilité et l'efficacité du déploiement.
Cet article propose une généralisation de l'algorithme Rodeo utilisant des qudits pour améliorer l'efficacité du filtrage spectral et l'estimation des grandeurs entropiques, démontrant par des simulations sur le modèle d'Ising que l'ancilla qutrit réduit les fluctuations de 18 % par rapport à l'implémentation binaire classique.