133 articles
En combinant la limite de résolution énergétique des capteurs quantiques avec la puissance métabolique du cerveau, cette étude établit une limite fondamentale indépendante de la technologie sur la capacité d'information de la magnétoencéphalographie, fixant un débit maximal de 2,2 Mbit/s et révélant un compromis spatio-temporel inhérent à l'imagerie cérébrale non invasive.
Cet article présente une méthode d'optimisation par gradient basée sur l'estimation Gumbel-Softmax qui permet d'effectuer une rétropropagation à travers des simulations stochastiques exactes pour l'inférence de paramètres et la conception inverse dans les systèmes biologiques et physiques régis par des dynamiques markoviennes.
Cet article propose le TAPINN, une architecture de réseaux de neurones informés par la physique qui utilise une régularisation métrique supervisée et une optimisation alternée pour surmonter les biais spectraux et les effondrements de modes lors de la modélisation de systèmes dynamiques à transitions de régime abruptes, comme le démontrent des résultats supérieurs sur l'oscillateur de Duffing.
Cette étude empirique démontre que, malgré des performances compétitives sur certains résidus polynomiaux, les réseaux KAN intégrés dans des architectures HRPINN souffrent d'une fragilité hyperparamétrique et d'une instabilité qui les rendent généralement moins efficaces que les MLP pour la découverte de termes multiplicatifs et de couplages d'états dans les systèmes oscillatoires.
Cette étude présente la première comparaison systématique de sept codes hydrodynamiques appliqués à l'instabilité de streaming non stratifiée, démontrant un accord qualitatif sur la dynamique de l'instabilité tout en identifiant le modèle de poussière et la résolution comme sources principales de variations quantitatives, et soulignant l'efficacité énergétique supérieure des implémentations GPU.
Cet article compare les performances des algorithmes de calcul de voisinage « sort-and-sweep » et « tree-code » pour des simulations DEM de particules polygonales, révélant que l'approche par arbre offre de légères améliorations de performance et un meilleur potentiel de parallélisation au prix d'une complexité cyclomatique accrue.
Cette étude présente un cadre de conception inverse combinant des algorithmes génétiques et des simulations micromagnétiques en domaine fréquentiel pour optimiser automatiquement la structure de cristaux magnoniques bidimensionnels afin d'obtenir de larges bandes interdites magnoniques.
Cet article présente Ara, un agent piloté par un modèle de langage qui accélère la découverte de réseaux organiques covalents photocatalytiques durables en surmontant le compromis stabilité-activité grâce à une logique chimique interprétable, surpassant ainsi les méthodes de recherche aléatoire et d'optimisation bayésienne.
Cette étude étend la théorie de la relaxation spin-réseau aux processus à trois phonons dans un complexe de nitrure de chrome, démontrant que ces contributions restent négligeables aux températures accessibles expérimentalement, ce qui valide l'hypothèse de couplage faible tout en ouvrant la voie à l'exploration de régimes de couplage plus fort.
Cet article présente une méthode des éléments finis de frontière dans le domaine temporel (TDBEM) de type Galerkin, stabilisée par une procédure de quadrature efficace, qui permet de prédire avec précision et robustesse la diffusion et le blindage acoustiques de sources aéroacoustiques complexes comme les hélices, en validant la méthode par des solutions analytiques et des mesures expérimentales.
Cet article présente le sPI-GeM, un modèle génératif profond physique-informé scalable capable de résoudre avec précision des équations différentielles stochastiques dans des espaces stochastiques et spatiaux de haute dimension.
Cet article propose un algorithme de réseau de neurones tensoriel à somme de Gaussiennes (SOG-TNN) efficace et économe en mémoire pour résoudre l'équation de Schrödinger en haute dimension, en surmontant la malédiction de la dimensionnalité et les singularités de l'interaction de Coulomb grâce à une décomposition tensorielle de faible rang et un schéma de séparation de plages.
Cet article propose une formulation Hybrid High-Order (HHO) pour les écoulements incompressibles à densité variable qui assure une conservation exacte du volume et une pure advection de la densité, tout en offrant des propriétés avantageuses telles que la robustesse vis-à-vis de la pression et la conservation des bornes de densité, validées par des tests de convergence et l'étude de l'instabilité de Rayleigh-Taylor.
En se basant sur des simulations de Monte Carlo par échange de répliques, cette étude révèle que dans le modèle d'Ising tridimensionnel à désordre , la transition de percolation des clusters d'overlap se produit à une température supérieure à la transition thermodynamique et est caractérisée par l'émergence de deux clusters percolants de densité égale, dont la divergence des densités signale ensuite les transitions de phase ferromagnétique ou de verre de spin.
Cette étude démontre, grâce à des simulations atomistiques et multichelles, que les dislocations de mismatch et de vissure réduisent considérablement l'énergie de surface des interfaces PbTe-PbSe, avec des baisses pouvant atteindre 23 % pour les liaisons directes et près de 50 % pour les hétéroépitaxies par rapport aux interfaces cohérentes.
Cet article présente la création et la mise à disposition publique du jeu de données Open Polymers 2026 (OPoly26), comprenant plus de 6,57 millions de calculs DFT sur des systèmes polymères, afin de combler le manque de données pour l'entraînement de modèles d'apprentissage automatique et d'améliorer la prédiction des propriétés des polymères.
Cet article propose un cadre génératif novateur combinant des modèles de langage, une recherche heuristique linéaire et un processus de diffusion pour prédire rigoureusement les structures cristallines en générant directement des motifs de Wyckoff cohérents avec la symétrie, surmontant ainsi les goulots d'étranglement combinatoires et les dépendances aux bases de données des méthodes existantes.
L'article présente peapods, un package Python open-source accéléré par Rust pour les simulations de Monte Carlo des systèmes de spins d'Ising, qui intègre une variété d'algorithmes de mise à jour et de techniques de recuit parallèle pour étudier les verres de spin.
Cette étude démontre que l'intégration d'une rétroaction synaptique dans un modèle de cerveau quantique de type Lipkin-Meshkov-Glick modifie significativement la structure des phases et les transitions critiques, élargissant la phase paramagnétique et permettant une caractérisation précise via des outils de phase quantique et une dynamique de champ moyen.
Cet article présente SMARL, une méthode d'apprentissage par renforcement en ligne qui développe des fermetures de sous-maille stables et généralisables pour les simulations de turbulence géophysique, permettant de reproduire avec précision les statistiques et les événements extrêmes de hautes fidélités avec jusqu'à cinq ordres de grandeur de degrés de liberté en moins.