922 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.
Les auteurs proposent un algorithme de groupe de renormalisation en espace réel pour les réseaux de tenseurs bidimensionnels qui, en utilisant des tenseurs de bord variationnels comme environnement optimisé, améliore la précision tout en conservant la complexité computationnelle de la méthode TRG originale.
Cette étude démontre que l'injection d'information via une force motrice non linéaire dans un système de matière active permet d'optimiser le calcul par réservoir en activant des mécanismes régulateurs émergents, révélant que les agents formant des gouttes liquides constituent des substrats particulièrement efficaces et robustes pour ce type de traitement de l'information.
Cet article présente NextHAM, une méthode d'apprentissage profond universelle et E(3)-symétrique pour la prédiction efficace et précise des hamiltoniens de structure électronique, validée sur le nouveau benchmark large Materials-HAM-SOC incluant les effets de couplage spin-orbite.
Cette étude combine des simulations numériques et des essais expérimentaux pour démontrer que l'optimisation de la géométrie des pattes des lentilles intraoculaires, notamment via le modèle V4, améliore significativement leur stabilité mécanique et réduit les risques de désaxage, offrant ainsi un cadre validé pour le développement de nouvelles générations d'IOL.
Cet article présente une méthode expérimentalement validée utilisant des cartes de sensibilité pixelisées et des gradients intégrés pour rendre interprétables les conceptions inverses de dispositifs photoniques, permettant ainsi d'identifier les sous-structures critiques et d'optimiser leur robustesse face aux variations de fabrication.
Cet article présente un modèle d'ordre réduit non linéaire et non stationnaire, combinant la dynamique des oscillateurs non linéaires et la théorie de Volterra, qui permet de simuler efficacement et avec précision les phénomènes de buffeting transsonique et les verrouillages aéroélastiques sur un profil OAT15A.
Cet article présente un nouvel algorithme déterministe en temps polynomial qui utilise la courbure des sommets et la théorie spectrale pour identifier efficacement les isomorphismes de graphes, y compris dans des cas complexes résistants aux méthodes classiques, tout en garantissant l'absence de faux positifs grâce à une vérification explicite.
Cet article présente une analyse complète de l'instabilité de Kelvin-Helmholtz dans un plasma collisionnel à pression anisotrope (modèle CGL), démontrant que, contrairement aux régimes CGL où une partie de l'énergie est consommée par la formation d'anisotropies de pression, la limite magnétohydrodynamique (MHD) génère les taux de croissance les plus élevés, les courants les plus intenses et les plus grandes îles magnétiques, avec des implications pour la turbulence et la reconnexion dans l'héliogaine.
Ce papier présente Neural-POD, un cadre d'opérateur neuronal plug-and-play qui apprend des bases fonctionnelles non linéaires et orthogonales continues pour surmonter les limitations de discrétisation des modèles d'IA scientifique et améliorer la généralisation hors distribution.
En utilisant des potentiels d'apprentissage automatique couplés à des simulations de dynamique moléculaire, cette étude révèle les mécanismes de déformation anisotropes et la réponse à la compression de l'alliage NbTaTiZr sous des conditions extrêmes, mettant en évidence l'influence de la composition et du taux de déformation sur la formation de structures désordonnées et la résistance mécanique.