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 lavoro presenta un framework di ricostruzione per domini di flusso CFD 2D che utilizza metodi innovativi di mascheramento basati sulla distanza e di forma alfa adattiva per generare campi pronti per le CNN, offrendo maggiore precisione, velocità e stabilità rispetto alle tecniche classiche, con un'applicazione web complementare che ne facilita l'uso.
Il paper introduce Uni-Flow, un modello autoregressivo-diffusivo unificato che separa l'evoluzione temporale a bassa risoluzione dal raffinamento spaziale ad alta risoluzione, consentendo simulazioni di flussi complessi multiscala, inclusi quelli emodinamici, in tempi inferiori al reale con dettaglio fisico elevato.
Questo articolo presenta un modello di sottogriglia simbolico guidato dai dati e privo di assunzioni fenomenologiche che, pur utilizzando una struttura simile ai modelli RANS con un campo tensoriale di rango due, supera le prestazioni dei modelli LES esistenti nella previsione accurata di flussi energetici e di enstrofia in turbolenza fluida bidimensionale.
Questo studio presenta un metodo bayesiano innovativo che utilizza un modello surrogato di machine learning addestrato su calcoli GPU accelerati per inferire la distribuzione delle impurità nei rivelatori al germanio ad alta purezza basandosi sulle misurazioni di capacità, rivelando una dipendenza radiale della densità delle impurità.
Questo lavoro presenta RINO, un nuovo operatore neurale che risolve il problema della dipendenza dalla risoluzione nei DeepONet permettendo l'apprendimento e l'inferenza di operatori su funzioni discretizzate con sensori arbitrari e variabili, grazie all'uso di algoritmi di apprendimento del dizionario basati su rappresentazioni neurali implicite.
Il paper propone un metodo adattivo basato su processi gaussiani e sull'ILUES per risolvere efficientemente problemi inversi bayesiani multimodali, utilizzando un surrogate per approssimare la densità a posteriori e riducendo il numero di simulazioni forward necessarie.
Questo articolo presenta un nuovo algoritmo che combina l'auxiliary-field quantum Monte Carlo con lo sketching tensor-train per calcolare con alta precisione l'energia dello stato fondamentale di sistemi quantistici a molti corpi, iterando tra la determinazione di una funzione d'onda di prova e l'ancoraggio della simulazione per migliorare l'efficienza del campionamento e controllare il problema del segno.
Questo articolo presenta un solver robusto e scalabile per simulazioni di interazione fluido-struttura con il metodo Immersed Boundary a forzamento diretto, basato su un algoritmo SIMPLE precondizionato che garantisce convergenza indipendente dalla griglia e dai parametri fisici grazie all'equivalenza spettrale tra il complemento di Schur e l'operatore Laplaciano discreto.
Questo studio propone un approccio basato su reti neurali informate dalla fisica (PINN) per l'identificazione non supervisionata dei danni nei ponti ferroviari in acciaio, integrando dati sul carico delle ruote dei treni e le equazioni differenziali del sistema per aggiornare i modelli agli elementi finiti e localizzare i danni con elevata precisione.
Questo lavoro introduce le condizioni al contorno caratteristiche (CBC) nel contesto dei metodi Hybridizable Discontinuous Galerkin (HDG), dimostrando attraverso esperimenti numerici che tale approccio, basato sulla decomposizione delle equazioni di Eulero, riduce efficacemente la riflessione delle onde e dei vortici ai bordi del dominio rispetto alle condizioni al contorno convenzionali per flussi debolmente comprimibili.