1253 articoli
La fisica computazionale unisce la potenza dei calcoli moderni alla teoria fisica per esplorare fenomeni complessi che i laboratori tradizionali faticano a replicare. In questa sezione, scoprirete come i ricercatori utilizzano simulazioni avanzate per modellare tutto, dalle stelle morenti ai materiali quantistici, trasformando equazioni astratte in scenari visibili e comprensibili.
Su Gist.Science, selezioniamo e analizziamo sistematicamente ogni nuovo preprint in questa categoria proveniente da arXiv. Il nostro obiettivo è rendere queste ricerche accessibili a tutti: offriamo sia un riassunto in linguaggio semplice per i curiosi, sia una versione tecnica dettagliata per gli esperti, garantendo che la conoscenza scientifica viaggia velocemente e chiaramente.
Di seguito trovate le ultime pubblicazioni in fisica computazionale, aggiornate regolarmente con le nostre sintesi esclusive.
Questo studio presenta una piattaforma web interattiva sviluppata per replicare i laboratori di fisica dell'Università St. Xavier's di Kolkata, la quale, secondo il feedback degli studenti, si è rivelata uno strumento efficace e indispensabile per migliorare la comprensione concettuale e la preparazione agli esperimenti fisici reali.
Il paper introduce GABI, un framework che utilizza autoencoder geometrici per apprendere modelli generativi consapevoli della forma dai dati, consentendo l'inversione bayesiana con quantificazione dell'incertezza su sistemi fisici con geometrie complesse senza richiedere la conoscenza delle equazioni governative.
Questo lavoro valuta l'accuratezza del potenziale interatomico universale basato sull'apprendimento automatico (UMA) per simulare 25 diversi droganti nel MoS₂, dimostrando come tale approccio consenta simulazioni di dinamica molecolare ad alta efficienza che catturano fenomeni complessi a costi computazionali ridotti rispetto alla teoria del funzionale densità, abilitando così la progettazione ad alto rendimento di materiali doped per applicazioni tribologiche ed elettroniche.
Il pacchetto open-source Python MDIntrinsicDimension stima la dimensione intrinseca delle traiettorie di dinamica molecolare per rivelare la flessibilità spaziale e le eterogeneità temporali nelle biomolecole, offrendo un complemento ai descrittori geometrici convenzionali.
Questo articolo propone un quadro di riferimento corretto per i confini aperti nei modelli pseudopotenziali immiscibili LBM basato su MRT, che migliora la stabilità numerica e la conservazione della massa riducendo significativamente le correnti spurie e garantendo un'accurata riproduzione della morfologia delle gocce in vari flussi bifase.
Questo articolo presenta *sangkuriang*, una libreria Python open-source che risolve l'equazione di Korteweg-de Vries mediante metodi pseudo-spettrali e integrazione temporale adattiva, dimostrando un'elevata precisione nella simulazione di solitoni e nelle loro interazioni per applicazioni ingegneristiche costiere.
Questo articolo presenta un approccio di ottimizzazione topologica per progettare la geometria di superconduttori di tipo II, basato sulla teoria di Ginzburg-Landau sotto il gauge di Weyl, al fine di migliorare le prestazioni attraverso un controllo ottimale del flusso magnetico e della densità di corrente.
Questo lavoro propone un metodo di campionamento efficiente che, sostituendo il calcolo costoso dei gradienti delle coordinate con un criterio di apprendimento approssimato nello spazio dei descrittori, mantiene prestazioni di campionamento robuste riducendo drasticamente i costi computazionali per lo studio di processi reattivi complessi.
Questo studio valuta e confronta diverse tecniche di iper-riduzione per modelli agli elementi finiti non lineari, utilizzando librerie open source e benchmark riproducibili, per dimostrare che la scelta del metodo ottimale dipende dal problema specifico e dal metodo di integrazione temporale utilizzato, bilanciando così accuratezza ed efficienza computazionale.
Questo lavoro presenta il metodo RBSOG, un approccio scalabile e ad alta efficienza per simulazioni di dinamica molecolare nell'ensemble NPT che, attraverso una strategia di ricalibrazione delle misure e campionamento casuale in spazio di Fourier, riduce significativamente la varianza e i costi computazionali rispetto ai metodi tradizionali, garantendo accuratezza strutturale e dinamica anche per sistemi su larga scala.