physics.comp-ph

A Self-Adjusting FEM-BEM Coupling Scheme for the Nonlinear Poisson-Boltzmann Equation

Questo lavoro presenta un metodo di accoppiamento FEM-BEM auto-adattivo per l'equazione di Poisson-Boltzmann non lineare che determina automaticamente il parametro di rilassamento ottimale, garantendo una convergenza rapida e affidabile senza intervento dell'utente e ottenendo un significativo aumento delle prestazioni rispetto alle tecniche tradizionali.

Combining multiple interface set path ensembles with MBAR reweighting

Il lavoro presenta un metodo basato sul MBAR per combinare ensemble di traiettorie ottenuti da simulazioni di campionamento dell'interfaccia di transizione condizionate su diverse variabili collettive, dimostrando un miglioramento significativo delle statistiche sia in modelli potenziali semplici che in sistemi complessi ospite-ospite.

The Phase Transitions in a $p$ spin Glass Model: A Numerical Study

Questo studio numerico su larga scala del modello di vetro di spin $p=4$ in una dimensione a lungo raggio rivela che, contrariamente alle previsioni della teoria di campo medio, non emerge una transizione di rottura di simmetria replica a un passo, ma piuttosto una transizione diretta verso una fase a rottura completa di simmetria replica o, nel caso tridimensionale, l'assenza di transizioni di fase, suggerendo che la temperatura di Kauzmann potrebbe essere zero.

A shifted interface approach for internal discontinuities in poroelastic media

Questo lavoro adatta il metodo dell'interfaccia spostata alla poroelasticità transitoria accoppiata per modellare efficientemente discontinuità interne come fratture su mesh non conformi, dimostrando attraverso casi di test complessi che l'approccio offre una soluzione pratica e convergente per simulazioni geomeccaniche senza la necessità di costose mesh corporee.

Fractal geometry-governed oxygen diffusion: Tumors vs. Normal Tissues

Questo studio propone un modello di diffusione-reazione su substrati frattali che, integrando la dimensione frattale dei tessuti e parametri di dinamica frazionaria, spiega come l'eterogeneità strutturale e il trasporto anomalo governino la risposta differenziale tra tumori e tessuti normali durante l'irradiazione FLASH a dose ultra-elevata.

A Structure-Preserving Graph Neural Solver for Parametric Hyperbolic Conservation Laws

Questo lavoro presenta un solver neurale basato su grafi interpretabile e strutturale che, integrando principi numerici classici con le reti neurali, risolve in modo stabile ed efficiente le leggi di conservazione iperboliche parametriche preservando la conservazione locale e la stabilità delle onde d'urto.

PINNACLE: An Open-Source Computational Framework for Classical and Quantum PINNs

Probabilistic Upscaling of Hydrodynamics in Geological Fractures Under Uncertainty

Questo studio presenta un flusso di lavoro probabilistico scalabile che integra correzione bayesiana, deep learning e upscaling idrodinamico per prevedere la permeabilità e il flusso in fratture geologiche naturali, quantificando l'incertezza derivante dall'eterogeneità geometrica e dai limiti dei modelli deterministici tradizionali.

Spectral design principles for local-excitation retention in impurity-assisted atomic arrays

Questo articolo introduce principi di progettazione spettrale basati su una decomposizione biortogonale per ottimizzare la ritenzione di eccitazioni locali in array atomici assistiti da impurità, dimostrando come configurazioni aperiodiche non banali possano prolungare i tempi di vita degli stati eccitati attraverso il controllo dei tassi di decadimento e delle sovrapposizioni modali.

Enhancing Neural-Network Variational Monte Carlo through Basis Transformation

Questo lavoro introduce una trasformazione di base motivata fisicamente che, ottimizzando un parametro di località, migliora l'accuratezza del Monte Carlo variazionale basato su reti neurali (NNVMC) rendendo lo stato fondamentale più rappresentabile senza aumentare la complessità dell'architettura, come dimostrato nel gas di elettroni omogeneo tridimensionale.