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.
Cet article introduit un modèle biomécanique de cordes vocales de type poutre-membrane, efficace sur le plan computationnel, qui incorpore le posturage piloté par les muscles et la conformation glottale pour prédire la dynamique de la production vocale et étudier les troubles de la voix, offrant ainsi une alternative pratique aux simulations de haute fidélité coûteuses.
Cette étude identifie que la sous-estimation de la température de Curie dans le ferroélectrique PbTiO découle principalement des limitations des fonctionnelles d'échange-corrélation plutôt que des inexactitudes des champs de force d'apprentissage automatique, révélant que les améliorations apparentes des modèles à courte portée sont des annulations d'erreurs fortuites tandis que des prédictions précises nécessitent des interactions à longue portée explicites et des fonctionnelles améliorées.
Cet article présente une suite d'outils de calcul SHG extensible et open-source, conçue pour surmonter les limites des modèles analytiques existants et de l'inaccessibilité des données expérimentales en fournissant une collection coordonnée d'outils numériques bien documentés pour l'étude de scénarios complexes de génération de seconde harmonique à couplage thermique.
Ce document présente un cadre de processus gaussien d'ensemble à contraintes physiques (pc-EGP) qui intègre des pénalités de cohérence physique et l'apprentissage d'ensemble pour modéliser avec précision des simulations quantiques coûteuses et hétéroscédastiques, démontrant une performance supérieure dans la prédiction de paramètres critiques pour le modèle de Bose-Hubbard et l'optimisation d'environnements chimiques pour la superfluidité par rapport aux méthodes conventionnelles.
Cet article introduit LAPG, un cadre de diffusion guidé par le principe de moindre action qui améliore la cohérence physique dans les modèles génératifs lors de l'inférence en combinant un modèle de score conditionnel avec un a priori variationnel dérivé de l'action, permettant ainsi une extrapolation fiable à travers le temps, les paramètres et les géométries pour divers systèmes physiques sans dépendre uniquement des contraintes lors de l'entraînement.
Cet article démontre qu'un modèle de langage de grande taille agentique, guidé par des experts du domaine à travers un processus de traduction en deux étapes strict et une validation rigoureuse, a porté avec succès le modèle océanique FESOM2 de 74 000 lignes en Fortran vers le C++/Kokkos tout en préservant sa physique et en réalisant des gains de performance significatifs sur GPU.
Cet article introduit un nouveau cadre pour la construction de substituts neuronaux en temps réel et préservant la structure pour les équations aux dérivées partielles, en intégrant des espaces d'éléments finis mixtes avec la régression par processus gaussiens afin de permettre une quantification de l'incertitude traitable et des bornes d'erreur postérieures sous forme fermée.
Cet article introduit un cadre d'apprentissage profond hybride qui utilise un réseau de neurones convolutifs multi-échelles pour paramétrer dynamiquement un modèle d'automates cellulaires probabilistes en JAX, améliorant considérablement la précision de la prédiction de la propagation des incendies de forêt sur de grands incendies américains en capturant les interactions environnementales complexes tout en maintenant une interprétabilité physique.
Cette étude démontre que, bien que l'hétérogénéité microstructurale de la géométrie des grains ait un effet modeste, une large distribution des viscosités des joints de grains peut supprimer et élargir le pic caractéristique de type Debye du glissement des joints de grains accommodé élastiquement en un bruit de fond faible, expliquant ainsi l'absence d'un pic prononcé dans les expériences sur l'olivine sèche sans pour autant nier la pertinence du mécanisme pour l'atténuation sismique du manteau supérieur.