🔬 Category

physics.comp-ph

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.

Maximizing the magnetic anisotropy of Dy complexes by fine tuning organic ligands: A systematic multireference high-throughput exploration of over 30k molecules

Cette étude démontre qu'un criblage computationnel à haut débit couplé à des méthodes ab initio multiréférence permet d'identifier de nouveaux ligands organiques capables d'augmenter l'anisotropie magnétique de complexes de dysprosium de 100 % par rapport aux références connues, prouvant ainsi l'efficacité de l'ajustement systématique de la sphère de coordination pour optimiser les propriétés magnétiques.

Lion Frangoulis, Lorenzo A. Mariano. Vu Ha Anh Nguyen, Zahra Khatibi, Alessandro Lunghi2026-04-06🔬 cond-mat.mtrl-sci

Real-Time Surrogate Modeling for Personalized Blood Flow Prediction and Hemodynamic Analysis

Cet article présente un cadre systématique utilisant un modèle de substitution par apprentissage profond pour prédire en temps réel l'hémodynamique personnalisée, optimiser la génération de cohortes virtuelles physiologiques et estimer des paramètres cliniques clés comme le débit cardiaque et la pression artérielle systolique aortique.

Sokratis J. Anagnostopoulos, George Rovas, Vasiliki Bikia, Theodore G. Papaioannou, Athanase D. Protogerou, Nikolaos Stergiopulos2026-04-06🔬 physics

Fast and Accurate Inverse Blood Flow Modeling from Minimal Cuff-Pressure Data via PINNs

Cette étude propose un cadre non invasif et personnalisé utilisant des réseaux de neurones informés par la physique (PINNs) pour reconstruire avec précision et rapidité les champs de pression et de débit sanguin à partir de données de pression minimales, permettant ainsi une estimation efficace de paramètres hémodynamiques centraux clés comme le débit cardiaque.

Sokratis J. Anagnostopoulos, Georgios Rovas, Lydia Aslanidou, Vasiliki Bikia, Nikolaos Stergiopulos2026-04-06🔬 physics

Efficient Algorithm for Generating Homotopy Inequivalent Calabi-Yaus

Cet article présente un algorithme efficace permettant de générer des hypersurfaces de Calabi-Yau tridimensionnelles non équivalentes en homotopie en évitant la redondance des triangulations régulières étoilées fines (FRST) via l'intersection de cônes secondaires associés aux triangulations de faces 2D, réduisant ainsi considérablement le nombre d'opérations nécessaires par rapport aux méthodes d'énumération directe.

Nate MacFadden2026-04-03⚛️ hep-th

RiteWeight: Randomized Iterative Trajectory Reweighting for Steady-State Distributions Without Discretization Error

L'article présente RiteWeight, un algorithme itératif qui estime des distributions stationnaires à partir de données de dynamique moléculaire non convergées en repondérant les trajectoires via un clustering aléatoire itératif, éliminant ainsi les erreurs de discrétisation de l'espace des phases inhérentes aux méthodes existantes.

Sagar Kania, Robert J. Webber, Gideon Simpson, David Aristoff, Daniel M. Zuckerman2026-04-03🔬 physics

PI-JEPA: Label-Free Surrogate Pretraining for Coupled Multiphysics Simulation via Operator-Split Latent Prediction

Le papier présente PI-JEPA, une architecture d'apprentissage prédictif en espace latent qui permet de préentraîner des substituts de simulation multiphysique sans données étiquetées en exploitant la structure des équations physiques via un splitting d'opérateurs, réduisant ainsi considérablement le nombre de simulations coûteuses nécessaires pour un ajustement fin.

Brandon Yee, Pairie Koh2026-04-03🤖 cs.LG

A Self-Evolving Agentic Framework for Metasurface Inverse Design

Cet article présente un cadre agentic auto-évoluant qui améliore la conception inverse des métasurfaces en accumulant des compétences réutilisables via l'évolution contextuelle, permettant ainsi d'augmenter significativement le taux de réussite et l'efficacité des tâches sans modifier les poids du modèle ni le solveur physique sous-jacent.

Yi Huang, Bowen Zheng, Yunxi Dong, Hong Tang, Huan Zhao, S. M. Rakibul Hasan Shawon, Hualiang Zhang2026-04-03🔬 physics

Transformer self-attention encoder-decoder with multimodal deep learning for response time series forecasting and digital twin support in wind structural health monitoring

Cet article présente une méthode novatrice basée sur l'architecture Transformer et l'apprentissage profond multimodal pour la prévision des réponses structurelles aux vents et la surveillance de l'intégrité des ponts, démontrée avec succès sur le pont de Hardanger comme composant de jumeau numérique capable de détecter les anomalies sans hypothèses préalables sur la stationnarité du vent ou le comportement vibratoire normal.

Feiyu Zhou, Marios Impraimakis2026-04-03🤖 cs.LG

Lithium Droplet Transport in Tokamak Edge Plasmas

Ce papier présente un modèle de transport et d'évaporation de gouttelettes de lithium intégré au code OpenEdge, validé avec une grande précision et appliqué au concept de réacteur CAT, démontrant que la trajectoire et la survie des gouttelettes dépendent de leur taille, vitesse et position de lancement, tout en permettant une évaluation auto-cohérente de leur impact sur le plasma de bord via un couplage bidirectionnel avec SOLPS-ITER.

A. Diaw, J. D. Lore, S. Smolentsev2026-04-03🔬 physics