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.

El Agente Cuantico: Automating quantum simulations

Le papier présente « El Agente Cuántico », un système d'intelligence artificielle multi-agents qui automatise les flux de travail de simulation quantique en traduisant les intentions scientifiques en langage naturel en exécutant et validant des calculs complets à travers divers cadres logiciels hétérogènes.

Ignacio Gustin, Luis Mantilla Calderón, Juan B. Pérez-Sánchez, Jérôme F. Gonthier, Yuma Nakamura, Karthik Panicker, Manav Ramprasad, Zijian Zhang, Yunheng Zou, Varinia Bernales, Alán Aspuru-Guzik2026-03-09⚛️ quant-ph

Drifting to Boltzmann: Million-Fold Acceleration in Boltzmann Sampling with Force-Guided Drifting

Cet article présente une méthode révolutionnaire de génération de conformations moléculaires en une seule étape, utilisant des modèles de dérive guidés par la force pour accélérer l'échantillonnage de Boltzmann d'un facteur million par rapport aux simulations de dynamique moléculaire tout en garantissant une validité structurelle et une précision distributionnelle parfaites.

Pipi Hu2026-03-09🔬 physics

Towards Efficient and Stable Ocean State Forecasting: A Continuous-Time Koopman Approach

Cette étude propose l'utilisation d'un autoencodeur de Koopman en temps continu comme modèle substitut léger et stable pour la prévision à long terme de l'état océanique, surpassant les modèles autoregressifs par une croissance d'erreur bornée et une inférence nettement plus rapide tout en préservant les statistiques énergétiques globales.

Rares Grozavescu, Pengyu Zhang, Mark Girolami, Etienne Meunier2026-03-09🔬 physics.app-ph

Non-intrusive Monitoring of Sealed Microreactor Cores Using Physics-Informed Muon Scattering Tomography With Momentum Measurements

Cette étude présente μ\muTRec, un cadre de tomographie par diffusion de muons intégrant des mesures de quantité de mouvement et des modèles physiques, qui permet de détecter avec une grande sensibilité des défauts de combustible dans des micro-réacteurs scellés, surpassant significativement les méthodes traditionnelles comme PoCA.

Reshma Ughade, Stylianos Chatzidakis2026-03-09🔬 physics.app-ph

Frustrated supermolecules: the high-pressure phases of crystalline methane

Cette étude démontre que les phases cristallines complexes du méthane à haute pression résultent de l'empilement de supermolécules quasi sphériques, où la légère non-sphéricité des molécules brise la symétrie cubique et crée un compromis entre un empilement efficace et une entropie réduite par une rotation entravée.

Marcin Kirsz, Miguel Martinez-Canales, Ayobami D. Daramola, John S. Loveday, Ciprian G. Pruteanu, Graeme J Ackland2026-03-09🔬 cond-mat.mtrl-sci

An Overview of Relativistic Particle Pushers and their Extension to Arbitrary Order Accuracy

Cet article présente une comparaison complète des méthodes d'intégration explicites pour les trajectoires de particules relativistes dans les simulations PIC, en démontrant qu'une classe importante de ces schémas peut être généralisée à un ordre d'exactitude arbitraire et en évaluant les variantes d'ordre quatre par rapport à leurs équivalents d'ordre deux.

Holger Schmitz2026-03-09🔬 physics

Bayesian Inference for PDE-based Inverse Problems using the Optimization of a Discrete Loss

Cet article présente B-ODIL, une extension bayésienne de la méthode d'optimisation d'une perte discrète (ODIL) qui intègre des modèles d'équations aux dérivées partielles (EDP) pour résoudre des problèmes inverses avec une quantification rigoureuse des incertitudes, comme démontré par des benchmarks synthétiques et une application clinique à l'estimation de la concentration tumorale dans le cerveau.

Lucas Amoudruz, Sergey Litvinov, Costas Papadimitriou, Petros Koumoutsakos2026-03-06🔬 physics

Energy-Conserving Contact Dynamics of Nonspherical Rigid-Body Particles

Cet article présente un cadre de dynamique de contact conservant l'énergie pour des particules rigides convexes non sphériques, intégrant des interactions vertex-bord et vertex-surface pour modéliser avec précision le comportement de systèmes colloïdaux et granulaires tout en garantissant la stabilité et la conservation de l'énergie.

Haoyuan Shi, Christopher J. Mundy, Gregory K. Schenter, Jaehun Chun2026-03-06🔬 physics