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'inférence basée sur la simulation (SBI) est une méthode prometteuse pour affiner les paramètres des modèles d'interactions neutrino-noyau, surpassant légèrement les réglages empiriques existants du générateur GENIE et permettant même une approximation équitable d'un autre simulateur, NuWro.
Cet article propose un cadre d'équations différentielles à retard neuronal (NDDE) inspiré du formalisme de Mori-Zwanzig pour apprendre efficacement des dynamiques non markoviennes à partir de systèmes partiellement observables, surpassant ainsi les méthodes existantes comme les réseaux LSTM et les ANODEs.
Cet article présente un modèle thermodynamiquement cohérent basé sur la théorie des milieux poreux pour simuler l'injection de ciment acrylique dans l'os spongieux vertébral en conditions non isothermes, en tenant compte du non-équilibre thermique local entre les phases.
Cet article présente un nouvel algorithme Monte Carlo pour les problèmes de transport de particules dépendants du temps, qui utilise des fenêtres de poids globales et automatiques définies par la solution d'un problème hybride Monte Carlo/déterministe basé sur les équations du second moment d'ordre inférieur (LOSM).
Cette étude présente un modèle de substitution basé sur un opérateur neuronal informé par la physique (PINO) qui accélère de plus de 10 000 fois l'analyse de la rétention des mémoires NAND verticales ferroélectriques par rapport aux outils TCAD traditionnels, tout en préservant la précision physique nécessaire à l'optimisation des dispositifs.
Cette étude démontre la faisabilité d'apprendre la matrice de densité réduite à deux électrons (2-RDM) par apprentissage automatique pour obtenir des modèles de haute fidélité capables de prédire avec précision les énergies et les forces de systèmes moléculaires complexes, tels que le glucose solvaté, à un coût computationnel équivalent à celui de la méthode Hartree-Fock tout en atteignant la précision du couplage de clusters.
Cette étude présente des architectures de potentiels interatomiques basés sur l'apprentissage automatique utilisant des mélanges d'experts (MoE) qui, grâce à une activation parcimonieuse et un routage élément par élément, atteignent une précision inédite tout en révélant une spécialisation chimique interprétable alignée sur les tendances du tableau périodique.
Les auteurs introduisent le réseau stochastique poreux planaire pondéré (WPSPL), un substrat géométriquement désordonné et multifractal dont la dualité forme un réseau complexe à distribution de degrés en loi de puissance, et étudient la percolation de liens sur ce réseau pour révéler une famille de classes d'universalité distinctes dont les exposants critiques varient continûment avec le paramètre de porosité, défiant ainsi les comportements critiques conventionnels.
En appliquant le principe de maximum d'entropie de Jaynes et l'apprentissage automatique pour mapper la distribution de gouttes d'un écoulement diphasique hors équilibre sur un modèle de verre de spin à l'équilibre, cette étude prédit avec succès la transition de phase vers un état vitreux dynamique caractérisé par une réponse non linéaire et de l'hystérésis à l'échelle macroscopique.
Ce papier présente le NATPS, une nouvelle méthode combinant la dynamique MASH réversible dans le temps et l'échantillonnage de trajectoires de transition pour simuler efficacement les événements non adiabatiques rares en photochimie.