583 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.
Ce travail présente un modèle complet de rupture par champ de phase pour les matériaux fragiles soumis à des chocs thermiques, capable d'unifier divers scénarios de fracture — de la nucléation à la propagation — en distinguant indépendamment les propriétés mécaniques, la résistance et la ténacité du matériau.
Cette étude présente un nouveau schéma cinétique gazeux compact de haut ordre dans une formulation arbitraire Lagrangienne-Eulerienne (ALE), qui optimise l'efficacité computationnelle et la précision du suivi des discontinuités grâce à une évolution temporelle directe et une reconstruction spatiale simplifiée.
Cette étude présente une méthode d'apprentissage automatique basée sur la régression par processus gaussiens qui, en utilisant des descripteurs à longue portée, permet de prédire avec précision la densité électronique de grands superréseaux de moirés à partir de structures de petite taille.
Ce papier présente un nouvel algorithme de simulation entièrement différentiable qui unifie la mécanique des fluides (régimes continu et raréfié) et l'apprentissage automatique, permettant ainsi une optimisation de bout en bout pour la découverte physique et la modélisation de données.
Cette étude démontre que l'application d'une stratégie de paramétrage optimale pour la gestion des trajectoires réduit significativement la variance des estimations de temps de passage moyen (MFPT) dans des simulations de repliement moléculaire complexes.
Cette étude introduit une nouvelle carte dynamique, la carte -Gauss-Logistique, et démontre que la transition vers le chaos peut être graduelle (par cascades de doublement de période) ou soudaine selon la valeur du paramètre .
Cette étude présente une nouvelle technique de pénalisation volumique permettant de simuler efficacement les écoulements acoustiques dans des microcanaux complexes en décomposant le problème en deux sous-systèmes (premier et second ordre) résolus de manière itérative et scalable.
Cette étude utilise une approche combinant la dynamique moléculaire assistée par l'apprentissage automatique et la spectroscopie de premier principe pour démontrer que l'oxydation du graphène modifie la structure de l'eau interfaciale, offrant ainsi un marqueur spectroscopique précis pour caractériser son niveau d'oxydation.
Cette étude propose une approche d'apprentissage actif pour améliorer la prédiction de l'enthalpie de mélange dans les liquides binaires en identifiant les lacunes des données existantes et en générant de nouvelles simulations de dynamique moléculaire *ab initio*, particulièrement pour les éléments réfractaires.
Ce papier présente une nouvelle approche de dynamique quantique-classique informée par les données (DIQCD) qui utilise une équation de Lindblad optimisée pour prédire avec précision l'évolution de systèmes quantiques ouverts à partir de données éparses et bruitées.