917 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 démontre que l'émulation de précision INT8, orchestrée par l'outil SCILIB-Accel sur une architecture de mémoire unifiée, permet d'accélérer les calculs de structure électronique *ab initio* sans modifier le code source, tout en maintenant une précision contrôlable et en optimisant l'utilisation matérielle des GPU.
Cet article propose un solveur de Riemann neuronal à contraintes rigides (HCNRS) qui, en imposant la positivité, la consistance, la symétrie miroir, l'invariance galiléenne et l'invariance d'échelle, permet d'apprendre avec précision le flux exact des équations d'Euler et des eaux peu profondes tout en évitant les erreurs de conservation et les bris de symétrie observés dans les approches non contraintes.
Cette étude présente un code PIMD open-source optimisé pour les GPU capable de simuler efficacement des systèmes quantiques à grande échelle comportant jusqu'à 40 000 particules identiques, offrant ainsi une solution prometteuse pour surmonter le problème du signe des fermions et étendre les simulations ab initio à des dizaines de milliers de particules.
Cette étude présente la création de la base de données NEMAD, alimentée par des modèles de langage, contenant 67 573 entrées sur des matériaux magnétiques, et démontre l'efficacité de l'apprentissage automatique pour classifier ces matériaux et prédire leurs températures de transition, accélérant ainsi la découverte de nouveaux matériaux performants.
Cet article présente une approche de propagateur de pseudo-fermions dans le cadre de l'intégrale de chemin Monte Carlo qui, en remplaçant le déterminant fermionique par sa valeur absolue et en ajustant l'énergie, résout efficacement le problème du signe fermionique pour simuler avec précision des systèmes fermioniques, comme démontré par des résultats concordants avec les méthodes de référence sur des boîtes quantiques bidimensionnelles.
Cette étude par dynamique moléculaire démontre que l'assistance ultrasonore améliore significativement la déformation plastique et le collage dans le procédé de projection à froid du tungstène grâce à des mécanismes d'adoucissement acoustique et d'activation thermique transitoire, ouvrant ainsi la voie à la fabrication additive efficace de revêtements et d'alliages réfractaires.
Cet article présente une méthode de couplage bidimensionnelle associant la simulation Monte Carlo directe (DSMC) pour la couche pariétale et un schéma de Boltzmann sur réseau d'ordre élevé (HOLB) pour l'écoulement global, permettant pour la première fois de simuler efficacement les cycles de régénération des structures cohérentes dans les écoulements pariétaux turbulents à des nombres de Reynolds allant jusqu'à plusieurs milliers.
Le papier présente SCALE-TRACK, un algorithme de suivi de particules couplé Euler-Lagrange asynchrone et optimisé pour les architectures hétérogènes, capable de simuler des milliards de particules avec une grande précision et une excellente évolutivité sur des systèmes de calcul haute performance.
Cet article présente une nouvelle approche utilisant des signatures de Chebyshev regroupées à travers les échelles pour caractériser et classifier automatiquement les transitions atomiques complexes dans les simulations à grande échelle, surpassant les techniques traditionnelles par la définition d'une métrique de distance physiquement significative.
Cette étude présente un cadre de simulation multiscale concurrente accéléré par un opérateur neuronal récurrent, qui remplace les calculs coûteux de dynamique moléculaire par un surrogate pour modéliser efficacement la viscoélasticité et les effets de mémoire thermique dans des matériaux comme le polyuréa à des échelles macroscopiques.