🔬 Category

physics.comp-ph

924 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.

Magnetism Induced by Azanide and Ammonia Adsorption in Defective Molybdenum Disulfide and Diselenide: A First-Principles Study

Cette étude de premier principe révèle que si les lacunes de chalcogène vierges dans le MoS2_2 et le MoSe2_2 n'induisent pas de magnétisme, l'adsorption de l'azanure (NH2_2) et de l'ammoniac (NH3_3) sur ces monocouches défectueuses génère des moments magnétiques localisés, le MoSe2_2 présentant un moment notable de 2,0 μB\mu_B lors de la dissociation de NH3_3, démontrant ainsi une stratégie viable pour ajuster le magnétisme dans les matériaux 2D pour les applications spintroniques.

Guilherme S. L. Fabris, Bruno Ipaves, Raphael B. Oliveira, Humberto R. Gutierrez, Marcelo L. Pereira Junior, Douglas S. Galvão2026-01-30🔬 cond-mat.mtrl-sci

Accelerated Inorganic Electrides Discovery by Generative Models and Hierarchical Screening

Cet article présente un cadre piloté par un modèle génératif, combiné à un criblage thermodynamique et électronique hiérarchique, pour identifier avec succès 13 nouveaux électrides thermodynamiquement stables et 264 composés riches en électrons parmi des milliers de compositions chimiques, accélérant ainsi la découverte de matériaux aux propriétés électroniques exceptionnelles.

Shuo Tao, Qiang Zhu2026-01-30🔬 cond-mat.mtrl-sci

A Hybrid semi-Lagrangian Flow Mapping Approach for Vlasov Systems: Combining Iterative and Compositional Flow Maps

Cet article propose un schéma semi-lagrangien hybride pour l'équation de Vlasov-Poisson qui combine de manière synergique la méthode d'itération de flux numérique (NuFI), avec son pas de temps local conservatif, et la méthode de cartographie des caractéristiques (CMM), avec sa composition efficace de sous-cartes globales, afin d'atteindre un équilibre entre coût de calcul, exigences de stockage et préservation structurelle.

Philipp Krah, Zetao Lin, R. -Paul Wilhelm, Fabio Bacchini, Jean-Christophe Nave, Virginie Grandgirard, Kai Schneider2026-01-30🔢 math

MEIDNet: Multimodal generative AI framework for inverse materials design

Cet article présente MEIDNet, un cadre d'IA générative multimodale qui combine des réseaux de neurones graphiques équivariants et l'apprentissage contrastif pour accélérer efficacement la conception inverse de nouveaux matériaux stables aux propriétés ciblées, comme en témoigne la génération réussie de pérovskites à faible bande interdite.

Anand Babu, Rogério Almeida Gouvêa, Pierre Vandergheynst, Gian-Marco Rignanese2026-01-30🔬 cond-mat.mtrl-sci

Loss Landscape Geometry and the Learning of Symmetries: Or, What Influence Functions Reveal About Robust Generalization

Cet article introduit un diagnostic basé sur l'influence qui analyse la géométrie locale du paysage de perte pour déterminer si les émulateurs neuronaux d'équations aux dérivées partielles ont internalisé avec succès les symétries physiques en mesurant la cohérence des mises à jour de gradient le long d'orbites liées par symétrie, offrant ainsi une nouvelle méthode pour évaluer la généralisation robuste au-delà des tests standards de passage direct.

James Amarel, Robyn Miller, Nicolas Hengartner, Benjamin Migliori, Emily Casleton, Alexei Skurikhin, Earl Lawrence, Gerd J. Kunde2026-01-29🤖 cs.LG

Quantum statistics from classical simulations via generative Gibbs sampling

L'article présente GG-PI, un cadre de calcul efficace qui exploite la modélisation générative et l'échantillonnage de Gibbs sur des données de simulation classique pour récupérer avec précision les effets quantiques nucléaires et assurer le transfert entre les températures sans réentraînement, surpassant de manière significative la dynamique moléculaire par intégrale de chemin traditionnelle.

Weizhou Wang, Xuanxi Zhang, Jonathan Weare, Aaron R. Dinner2026-01-29🔬 cond-mat

Numerically Consistent Non-Boussinesq Subgrid-scale Stress Model with Enhanced Convergence

Cet article présente un modèle de contrainte de sous-maille non-Boussinesq, numériquement cohérent, pour la simulation des grandes échelles qui exploite l'assimilation de données et l'apprentissage multitâche afin d'obtenir une convergence accrue et des prédictions améliorées des couches limites turbulentes sous gradients de pression défavorables par rapport au modèle de Smagorinsky dynamique.

Yuenong Ling, Adrián Lozano-Durán2026-01-29🔬 physics

An Empirical Investigation of Neural ODEs and Symbolic Regression for Dynamical Systems

Cet article démontre que la combinaison des équations différentielles ordinaires neuronales (NODE) pour une extrapolation efficace des données avec la régression symbolique (SR) pour la récupération d'équations offre une approche hybride prometteuse pour découvrir les lois physiques directrices à partir de données limitées et bruitées.

Panayiotis Ioannou, Pietro Liò, Pietro Cicuta2026-01-29🤖 cs.LG

High-order exponential solver method for particle-in-cell simulations

Cet article introduit un solveur de domaine temporel exponentiel par différences finies pour les simulations de type « particle-in-cell » qui comble l'écart entre les méthodes standards de différences finies et les méthodes spectrales, offrant une grande précision et une localité améliorée en 3D tout en démontrant son efficacité à travers diverses références d'interactions laser-plasma.

Szilárd Majorosi, Nasr Hafz, Zsolt Lécz2026-01-28🔬 physics

A finite element solver for a thermodynamically consistent electrolyte model

Cet article présente un solveur d'électrolyte basé sur les éléments finis et thermodynamiquement cohérent, implémenté dans FEniCSx, qui modélise avec précision le transport ionique multicomposant en incorporant les effets stériques, la solvatation et le couplage de pression, améliorant ainsi la fidélité physique et la stabilité numérique par rapport aux cadres classiques pour les systèmes électrochimiques à haute concentration.

Jan Habscheid, Satyvir Singh, Lambert Theisen, Stefanie Braun, Manuel Torrilhon2026-01-28💻 cs