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.
Cette étude utilise le code M3D-C1 pour simuler les modes de kink interne et les crashes de dents de scie dans des scénarios similaires à la référence SPARC, révélant l'influence cruciale des profils de courant et de pression sur ces instabilités MHD et leur impact potentiel sur le transport de chaleur et de particules.
Cet article présente une méthode d'optimisation directe « gel et libération » pour le calcul variationnel des états électroniques excités, qui permet d'éviter l'effondrement vers des solutions erronées et d'obtenir une dépendance correcte de l'énergie vis-à-vis de la séparation donneur-accepteur dans les transferts de charge, sans nécessiter d'échange exact à longue portée.
Ce document vivant explore le potentiel de l'informatique quantique pour les sciences thermiques, en commençant par la conduction comme cas d'étude paradigmatique pour développer de nouveaux algorithmes et évaluer les performances matérielles en vue d'une suprématie quantique dans les applications d'ingénierie.
Cet article présente les Paramètres d'Ordre de Groupe Ponctuel (PGOP), une nouvelle méthode pour quantifier continûment la symétrie de groupe ponctuel dans les systèmes de particules complexes, et introduit le logiciel open-source SPATULA pour leur calcul et leur analyse comparative par rapport aux paramètres d'ordre orientational traditionnels.
Les auteurs proposent le Predictor-Driven Diffusion, un cadre unifié combinant le regroupement spatial par groupe de renormalisation et une formulation par intégrale de chemin pour générer des dynamiques spatio-temporelles multiscales, permettant ainsi la simulation, la génération non conditionnelle et la super-résolution dans des systèmes turbulents complexes.
Ce papier présente le développement de SAT3-NN, un nouveau modèle d'apprentissage automatique qui, en utilisant des données gyrocinétiques linéaires, prédit avec plus de précision que les modèles précédents les magnitudes de potentiel saturé et les flux de turbulence issus de simulations non linéaires.
L'article présente BuSyNet, une architecture d'apprentissage profond qui combine des contraintes de symplecticité et de cohérence dimensionnelle pour découvrir des expressions symboliques de Hamiltoniens interprétables et physiquement exacts, surpassant les méthodes existantes en précision et en stabilité à long terme.
Cette étude valide par des simulations en boucle fermée l'efficacité et la robustesse de réseaux de neurones servant d'émulateurs pour des circuits virtuels, permettant ainsi un contrôle en temps réel de la forme du plasma dans les tokamaks, une avancée clé pour leur déploiement sur le dispositif MAST-U.
Cette étude démontre que l'affinage fin, et notamment via le nouveau cadre Equitrain utilisant LoRA, permet d'améliorer considérablement la précision des potentiels interatomiques basés sur l'apprentissage automatique pour prédire les propriétés phononiques et thermiques de divers matériaux avec un minimum de données supplémentaires.
Ce papier présente le Simulated Bifurcation Quantum Annealing (SBQA), un algorithme d'optimisation inspiré du quantique qui améliore les performances sur des paysages énergétiques épars et accidentés en intégrant des interactions inter-replicas pour simuler l'effet tunnel, offrant ainsi une base classique robuste pour les problèmes complexes.