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.
Cet article présente FESTIM v2.0, une version majeure du cadre open-source pour la modélisation du transport d'hydrogène, qui étend ses capacités physiques aux espèces multiples et aux couplages multiphysiques tout en migrant vers DOLFINx pour améliorer ses performances et sa durabilité.
Cette étude examine les signatures observationnelles d'un trou noir anti-de Sitter chargé magnétiquement dans le cadre de la théorie d'Euler-Heisenberg inspirée par la théorie des cordes, en analysant son ombre et ses fréquences d'oscillation quasi-périodiques (QPO) pour conclure que, bien que la charge magnétique modifie significativement la structure orbitale, les données actuelles imposent une contrainte modeste avec une limite supérieure de .
Cette étude propose un principe d'incertitude neuronal unifié qui révèle que la fragilité aux attaques adverses en vision et les hallucinations dans les grands modèles de langage partagent une origine géométrique commune, permettant ainsi de diagnostiquer et d'atténuer ces défaillances via des méthodes pratiques comme ConjMask et LogitReg sans nécessiter d'entraînement adversaire coûteux.
Cet article présente une méthode de Boltzmann sur réseau sans distribution, appelée SSLBM, qui offre une approche plus précise et efficace pour modéliser la dynamique épidémique non linéaire en faisant évoluer directement les densités macroscopiques des compartiments sans nécessiter de fonctions de distribution de particules.
Cet article propose une méthode d'estimation des délais temporels basée sur la distribution de Wigner-Ville, démontrant qu'elle offre une précision supérieure et une incertitude réduite par rapport aux représentations linéaires comme la transformée en ondelettes continues, notamment pour les signaux non stationnaires dans les bandes de fréquence les plus énergétiques.
Cette étude présente une modélisation micromagnétique unifiée du couplage entre ondes acoustiques de surface et ondes de spin dans un film de CoFeB, démontrant que l'orientation de l'anisotropie magnétique permet de régler efficacement l'interaction résonante, en particulier lorsque l'onde acoustique se propage parallèlement au champ magnétique externe.
Cet article présente une nouvelle méthode d'apprentissage profond variationnelle basée sur la méthode de Ritz profonde, qui utilise des fonctions de base B-splines d'ordre supérieur pour modéliser la propagation de fissures fragiles dans des milieux anisotropes via des modèles de champ de phase d'ordre supérieur, comblant ainsi une lacune des approches antérieures limitées aux cas isotropes.
Cet article présente une nouvelle méthode de génération de structures cristallines basée sur l'analyse géométrique discrète des polyèdres, où la géométrie et la topologie des pavages sont encodées dans un graphe périodique dual dont la réalisation standard permet de reconstruire efficacement des structures cristallines fondamentales.
Cette étude analyse la stabilité des marches quantiques continues sur diverses topologies de réseaux complexes sous différents types de décohérence, révélant un compromis fondamental entre la localisation et la cohérence ainsi qu'une sensibilité critique aux caractéristiques topologiques locales et au type de bruit.
Cette étude démontre que l'apprentissage par transfert appliqué aux réseaux antagonistes génératifs permet de modéliser efficacement les interactions neutrino-noyau sur différentes cibles et processus, en surperformant les modèles entraînés de zéro même avec des données limitées.