1255 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 articolo propone il metodo di riduzione della dimensionalità CoK-PCA, basato sul co-curtosi, che supera i limiti della PCA tradizionale catturando più accuratamente le dinamiche chimiche localizzate e gli eventi estremi nei dati di combustione, come dimostrato attraverso la riduzione degli errori di ricostruzione nelle simulazioni di accensione spontanea.
Il documento presenta una generalizzazione del metodo FDTD in un contesto senza mesh utilizzando il metodo RBF-FD, analizzandone le proprietà su un semplice problema di prova.
Il documento presenta PARPHOM, un codice parallelo progettato per calcolare le proprietà foniche di sistemi bidimensionali twistati, superando le sfide computazionali legate alle grandi dimensioni dei pattern di moiré e permettendo lo studio delle dinamiche a temperatura finita e della chiralità delle bande foniche.
Questo lavoro presenta un'analisi teorica generalizzata del metodo Lattice Boltzmann regolarizzato di Onsager (OReg), dimostrando che esso consente simulazioni termoidrodinamiche non lineari accurate e prive di correzioni esterne su reticoli standard, mitigando gli errori di isotropia e migliorando significativamente la precisione rispetto ai modelli BGK convenzionali.
Questo articolo presenta il metodo Lanczos per stati quantistici basati su reti neurali (NQS), un approccio sistematico che combina apprendimento supervisionato e ottimizzazione Monte Carlo variazionale per migliorare l'accuratezza energetica nei sistemi a molti corpi, offrendo un costo computazionale che scala linearmente rispetto ai metodi esistenti.
Il documento presenta un approccio ibrido modulare che combina potenziali appresi tramite machine learning per i singoli strati con potenziali fisici anisotropi per le interazioni interstrato, consentendo una modellazione scalabile, precisa ed efficiente delle eterostrutture van der Waals su larga scala.
Questo lavoro introduce il primo ansatz di stato quantistico neurale non euclideo basato su una GRU iperbolica, dimostrando che tale architettura supera o eguaglia le prestazioni delle reti ricorrenti euclidee nello studio di sistemi quantistici a molti corpi, in particolare quando le interazioni presentano una struttura gerarchica.
Gli autori hanno scoperto un vasto numero di nuovi materiali low-dimensional (inclusi cluster 0D, catene 1D e fogli 2D) combinando potenziali interatomici basati sull'apprendimento automatico universale e un metodo avanzato di classificazione dimensionale basato sulle costanti di forza interatomiche, superando i limiti delle descrizioni geometriche convenzionali.
Questo studio dimostra che nelle transizioni di fase dinamiche dei modelli di Ginzburg-Landau a campo medio, il campo coniugato corretto è la componente pari di Fourier del campo applicato e che le deviazioni dell'ordine parametrico rispetto al periodo critico seguono leggi di scala specifiche (esponenti 1/2, 1/3 e 2/3) dipendenti dalla parità delle armoniche.
Questo lavoro propone due miglioramenti alla regressione dei dati di Clifford, ovvero il campionamento energetico e l'estrapolazione non-Clifford, che superano le prestazioni del metodo originale nella mitigazione degli errori per simulazioni di chimica quantistica su dispositivi NISQ.