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.

HYMOR: An open-source package for global modal, non-modal, and receptivity analysis in high-enthalpy hypersonic vehicles

Le papier présente HYMOR, une boîte à outils open-source capable d'effectuer des analyses modales, non-modales et de réceptivité globales pour les écoulets hypersoniques à haute enthalpie, en intégrant des modèles de gaz réel et une formulation de choc-fitting pour capturer les interactions physiques complexes inaccessibles aux méthodes locales.

Adrián Antón-Álvarez, Adrián Lozano-Durán2026-04-07🔬 physics

Assessing the impact of nodal surface optimization in fixed-node diffusion Monte Carlo on non-covalent interactions

Cette étude démontre que l'optimisation de la surface nodale dans la méthode Diffusion Monte Carlo améliore significativement la précision des prédictions pour les interactions hydrogène en les alignant sur les résultats CCSD(T), tout en ayant un effet négligeable sur les systèmes dominés par la dispersion.

Kousuke Nakano, Benjamin X. Shi, Dario Alfè, Andrea Zen2026-04-07🔬 physics

Neural-network quantum states for solving few-body problems: application to Efimov physics

Cet article démontre l'efficacité des états quantiques basés sur les réseaux de neurones pour résoudre des problèmes à quelques corps en espace continu, en calculant avec succès les états d'Efimov et les états liés de systèmes bosoniques et fermioniques massivement déséquilibrés tout en reproduisant leurs propriétés physiques clés.

Sora Yokoi, Shimpei Endo, Hiroki Saito2026-04-07⚛️ nucl-th

Hybrid Fourier Neural Operator for Surrogate Modeling of Laser Processing with a Quantum-Circuit Mixer

Ce papier présente HQ-LP-FNO, un opérateur neuronal hybride classique-quantique qui intègre un mélangeur à circuit quantique variationnel pour réduire efficacement le nombre de paramètres et améliorer la précision des modèles de substitution pour la modélisation tridimensionnelle du traitement laser multiphysique.

Mateusz Papierz, Asel Sagingalieva, Alix Benoit, Toni Ivas, Elia Iseli, Alexey Melnikov2026-04-07⚛️ quant-ph

Towards best practices in low-dimensional semi-supervised latent Bayesian optimization for the design of antimicrobial peptides

Cette étude théorique démontre que l'optimisation bayésienne latente dans un espace de conception de peptides antimicrobiens réduit dimensionnellement améliore l'interprétabilité et l'efficacité de la recherche, tout en soulignant l'importance stratégique de l'organisation de cet espace selon la pertinence et la disponibilité des propriétés physico-chimiques.

Jyler Menard, R. A. Mansbach2026-04-06🔬 physics