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.
Cet article présente une nouvelle méthode des éléments finis arbitraire Lagrangien-Eulerien pour les membranes lipidiques, qui permet de spécifier arbitrairement la dynamique du maillage in-plane tout en assurant le chevauchement avec la membrane via un multiplicateur de Lagrange, et dont la stabilité est améliorée pour simuler avec succès l'extraction et le déplacement latéral d'un tether membranaire.
Cet article propose un nouveau réseau neuronal hybride quantique-classique à flux multiples qui améliore significativement la précision et l'efficacité de la résolution des équations de Navier-Stokes pour l'écoulement de Kovasznay, en réduisant l'erreur quadratique moyenne et le nombre de paramètres par rapport aux modèles classiques.
Cette étude présente FlexPINN, un réseau de neurones physique-informé flexible et amélioré, capable de modéliser avec une grande précision l'écoulement des fluides et le transfert de masse dans des micromélangeurs 3D complexes, surpassant les PINN standards pour prédire efficacement les coefficients de perte de charge et l'efficacité du mélange à travers diverses géométries de ailettes et configurations.
Cette étude propose une approche atomistique ab initio basée sur la théorie de la fonctionnelle de la densité pour prédire avec succès la morphologie d'équilibre des cristaux de GaP hétérogénément intégrés sur du silicium, en accord avec les observations expérimentales par microscopie électronique en transmission.
Cet article propose un cadre général pour identifier les calculs effectués par divers systèmes dynamiques, naturels ou artificiels, en les reliant à des machines abstraites, tout en illustrant cette approche par des exemples et en abordant des questions connexes comme l'incalculabilité et la valeur de ces calculs.
Cet article démontre que l'utilisation des trains de tenseurs quantifiés (QTT) permet de surmonter le fléau de la dimensionnalité dans la tarification des options multi-actifs via l'équation de Black-Scholes, rendant ainsi possible la résolution précise de problèmes à haute dimension (jusqu'à 10-15 sous-jacents) sur un ordinateur personnel, là où les méthodes classiques et Monte Carlo échouent ou sont limitées.
Cet article propose un modèle multiphysique à couplage serré pour le réacteur à sels fondus à neutrons rapides (MSFR) en intégrant la méthode de la matrice de fission, une approche neutonique rapide et précise, au sein du code Cardinal basé sur le framework MOOSE pour coupler la dynamique des fluides via NekRS et la thermique.
Le papier présente Scale-PINN, une nouvelle stratégie d'apprentissage qui intègre un principe de correction itérative des résidus dans la formulation de la perte des réseaux de neurones informés par la physique (PINN), permettant ainsi d'accélérer considérablement la convergence et d'améliorer la précision pour résoudre des équations aux dérivées partielles complexes.
Cet article propose une méthode d'estimation bayésienne pour optimiser la fenêtre de mesure en spectroscopie Mössbauer par rayonnement synchrotron, permettant d'améliorer la précision des déplacements du centre de plus de trois fois par rapport aux méthodes de fitting conventionnelles.
Cet article présente une approche par apprentissage par renforcement pour caractériser et modéliser le bruit des processeurs quantiques, offrant une flexibilité supérieure aux méthodes conventionnelles et validée sur des qubits supraconducteurs réels.