🔬 Category

physics.comp-ph

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.

fitPALSpectra: Python fitting of positron annihilation lifetime spectra

Cet article présente fitPALSpectra, un flux de travail Python en libre accès qui répond aux défis de l'analyse des données de spectroscopie de durée de vie d'annihilation de positrons (PALS) en fournissant un outil configurable pour simuler, ajuster et visualiser des spectres à l'aide d'un modèle exponentiel-gaussien analytiquement intégré, lequel a été validé pour récupérer avec précision les paramètres de vérité terrain sur des données synthétiques.

Georgios E. Pavlou2026-06-11🔬 physics

Mixed Hermite-Legendre spectral method for kinetic plasma simulations

Cet article propose une méthode spectrale mixte Hermite-Legendre pour les simulations de plasma cinétique qui combine l'efficacité des polynômes d'Hermite pour les distributions quasi-maxwelliennes avec les capacités de résolution des polynômes de Legendre pour les caractéristiques non-maxwelliennes localisées, atteignant une précision et une conservation des invariants physiques améliorées à un coût computationnel comparable.

Opal Issan, Gian Luca Delzanno, Vadim Roytershteyn2026-06-11🔬 physics

Joint Approximate Diagonalization approach to Quasiparticle Self-Consistent $GW$ calculations

Cet article introduit une méthode de diagonalisation approximative conjointe pour les calculs de $GW$ quasi-particule auto-cohérent qui utilise l'auto-énergie dynamique complète et une matrice de densité dérivée de la fonction de Green complète, atteignant une précision comparable aux calculs qsGW\mathrm{qs}GW standards tout en offrant un meilleur accord avec les valeurs de référence CCSD(T) de haut niveau.

Ivan Duchemin, Xavier Blase2026-06-10🔬 cond-mat.mtrl-sci

Structure-Preserving Learning Improves Geometry Generalization in Neural PDEs

Cet article introduit les General-Geometry Neural Whitney Forms (Geo-NeW), une méthode d'éléments finis pilotée par les données qui apprend conjointement des opérateurs différentiels et des espaces réduits compatibles afin de préserver les lois de conservation physique et d'atteindre une généralisation supérieure aux géométries inédites pour la résolution d'équations aux dérivées partielles.

Benjamin D. Shaffer, Shawn Koohy, Brooks Kinch, M. Ani Hsieh, Nathaniel Trask2026-06-10🤖 cs.AI

Integrating Out, Twice:The Open-System Case That Neural-Network Ensemble Theory Is Missing

Cet article établit un cadre théorique comparant les ensembles de réseaux de neurones à système fermé avec des analogues à système ouvert issus de la théorie des réactions nucléaires, concluant finalement que la dynamique non hermitienne distinctive de ces derniers est structurellement absente de l'apprentissage conventionnel en raison de l'absence de spectres continus et de comportement ondulatoire, localisant ainsi la véritable source de l'incertitude opérationnelle au sein de la correspondance de système fermé.

Jin Lei2026-06-10⚛️ nucl-th

Absence of poor local minima in matrix product states

Cet article résout le paradoxe selon lequel les états à produits de matrices (MPS) sont hautement entraînables malgré les problèmes généraux d'entraînabilité des circuits quantiques en prouvant que la liberté de jauge dans les MPS induit une surparamétrisation locale effective, ce qui élimine les mauvais minima locaux et les concentre près du minimum global.

Hao-Kai Zhang, Chenghong Zhu, Shuo Liu, Shi-Xin Zhang, Tao Xiang2026-06-10⚛️ quant-ph

Graphlet Histogram Representation Database of Inorganic Crystals

Cet article présente Graphlet-MP, une base de données complète et un ensemble d'outils open-source qui fournissent des représentations par histogrammes de graphlets interprétables et économes en données pour plus de 149 000 cristaux inorganiques afin de permettre la prédiction de propriétés de matériaux, même avec des données expérimentales rares.

Aaditya Panigrahi, Yanjun Liu, Omri Lesser, Krishnanand Mallayya, Eun-Ah Kim2026-06-10🔬 cond-mat.mtrl-sci

A Physics-Informed B-Spline Framework for Continuous Approximation of Flow Data

Cet article introduit l'Approximation Fonctionnelle Multivariée Informée par la Physique (PI-MFA), un cadre qui utilise des B-splines de produit tensoriel pour générer des reconstructions de champs de flux continues et dérivables en optimisant les points de contrôle afin d'équilibrer la fidélité aux données avec les lois physiques sous-jacentes, assurant ainsi des résultats physiquement cohérents même à partir de données d'entrée incohérentes.

Junoh Jung, David Lenz, Emil Constantinescu, Tom Peterka2026-06-10🔬 physics

Towards Critical Branching Mechanism in Recurrent Neural Networks

Cet article démontre que les réseaux LSTM de petite taille, entraînés de manière optimale, présentent une dynamique de branchement quasi critique et des statistiques d'avalanche à loi de puissance, tandis que les modèles plus grands restent sous critiques, avec un cadre de processus de branchement mixte proposé expliquant comment des dynamiques hétérogènes peuvent encore générer des corrélations temporelles à longue portée robustes.

Feixiang Ren, Ling Feng2026-06-10🌀 nlin

An adaptive framework for the axisymmetric pulsar magnetosphere using physics-informed Kolmogorov-Arnold networks

Cet article présente PulsarX, un cadre open-source utilisant des réseaux de Kolmogorov-Arnold adaptatifs et des pipelines d'entraînement automatisés pour parvenir à des solutions de magnétosphère de pulsar axisymétriques hautement précises et autocohérentes, avec une vitesse de convergence considérablement améliorée, un ajustement manuel réduit et la capacité de résoudre des échelles spatiales extrêmes par rapport aux approches précédentes basées sur les réseaux de neurones informés par la physique.

Spyros Rigas, Ioannis Contopoulos, Georgios Alexandridis, Antonios Nathanail2026-06-10🔬 physics