1259 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 dimostra che un'architettura EfficientNet leggera e scalabile, combinata con caratteristiche globali, offre prestazioni competitive nel tagging dei jet di quark top con un costo computazionale significativamente inferiore rispetto ai modelli basati su Transformer e GNN.
Il paper presenta MAD-SURF, un potenziale interatomico basato sull'apprendimento automatico addestrato su un ampio dataset, che replica con precisione i risultati della teoria del funzionale densità (DFT) per l'adsorbimento di molecole su superfici di metalli nobili, consentendo simulazioni atomistiche di ordini di grandezza più rapide.
Il documento dimostra che l'omogeneizzazione tramite misura di Young applicata all'equazione del trasporto radiativo genera tensori di soluzione con decomposizione a treno tensoriale a rango limitato, permettendo di superare i costi computazionali delle metodologie tradizionali mantenendo un'elevata fedeltà spettrale per diverse fonti di opacità.
Il paper presenta le Inelastic Constitutive Kolmogorov-Arnold Networks (iCKANs), un nuovo framework di apprendimento automatico che scopre automaticamente leggi costitutive simboliche e interpretabili per il comportamento elastico e inelastico dei materiali, dimostrando la propria efficacia su dati sintetici ed sperimentali di polimeri viscoelastici.
Questo studio dimostra che un'ottimizzata tessellazione di superficie armonica di ordine superiore, realizzata tramite manifattura additiva, supera le prestazioni idrotermiche delle strutture TPMS (come la giroide) in regime turbolento, offrendo un compromesso superiore tra aumento dell'efficacia termica e riduzione delle perdite di pressione.
Il paper presenta PINEAPPLE, un nuovo framework che integra le reti neurali informate dalla fisica con un algoritmo evolutivo per stimare in tempo reale e in modo non distruttivo i parametri di degrado interni degli elettrodi delle batterie agli ioni di litio, garantendo alta precisione e robustezza attraverso l'uso di principi fisici fondamentali.
Questo articolo presenta un modello di forza basato sull'apprendimento automatico, che integra simmetrie reticolari e di rotazione dello spin, per simulare in modo scalabile e accurato la dinamica di spin fuori equilibrio in magneti itineranti, rivelando nuovi fenomeni come l'ingrossamento anomalo e il congelamento della separazione di fase.
Questo studio stabilisce un quadro elettrodinamico robusto e causalmente corretto che dimostra come il trasferimento di momento lineare da elettroni veloci a nanoparticelle sferiche isolate rimanga attrattivo, contraddicendo precedenti previsioni di repulsione e indicando la necessità di meccanismi fisici aggiuntivi per spiegare i risultati sperimentali.
Questo articolo presenta un metodo efficiente basato sull'algoritmo AAA a valori matriciali per rappresentare la matrice T in un dominio spettrale esteso tramite un'espansione in poli, superando i limiti computazionali e di memoria delle tradizionali tecniche di campionamento discreto.
Questo studio valida l'efficacia dell'algoritmo di nested sampling, implementato nel programma nested_fit con campionamento a fette, nel calcolare la funzione di partizione e identificare le transizioni di fase e le configurazioni stabili di cluster di Lennard-Jones a 7 e 36 atomi, evidenziando l'impatto significativo del metodo di campionamento sui costi computazionali.