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.

Auxiliary field quantum Monte Carlo at the basis set limit: application to lattice constants

Gli autori presentano un'implementazione dell'AFQMC nel formalismo PAW all'interno di VASP che, operando al limite della base completa, fornisce risultati di alta precisione per le costanti reticolari correggendo le carenze di metodi come MP2 e RPA e stabilendo un nuovo strumento di riferimento per le proprietà strutturali dei sistemi condensati.

Moritz Humer, Martin Schlipf, Zoran Sukurma, Sajad Bazrafshan, Georg Kresse2026-02-17🔬 physics

XDiag: Exact Diagonalization for Quantum Many-Body Systems

Il documento presenta XDiag, un pacchetto software open-source scritto in C++ e Julia che combina algoritmi avanzati di diagonalizzazione esatta, inclusa la codifica dei sottoreticoli e tecniche di hashing distribuito, per simulare efficientemente sistemi quantistici a molti corpi su larga scala con interfacce utente intuitive.

Alexander Wietek, Luke Staszewski, Martin Ulaga, Paul L. Ebert, Hannes Karlsson, Siddhartha Sarkar, Leyna Shackleton, Aritra Sinha, Rafael D. Soares2026-02-16🔬 cond-mat

Quantum-inspired space-time PDE solver and dynamic mode decomposition

Questo lavoro propone un approccio ispirato alla meccanica quantistica basato su stati di prodotto tensoriale (MPS) per risolvere equazioni differenziali alle derivate parziali spazio-temporali e prevedere la dinamica di sistemi non lineari, superando la maledizione della dimensionalità grazie a una rappresentazione compatta che scala logaritmicamente con la risoluzione.

Raghavendra Dheeraj Peddinti, Stefano Pisoni, Narsimha Rapaka, Yacine Addad, Mohamed K. Riahi, Egor Tiunov, Leandro Aolita2026-02-16⚛️ quant-ph

An Oscillation-Free Real Fluid Quasi-Conservative Finite Volume Method for Transcritical and Phase-Change Flows

Questo articolo presenta un nuovo metodo volumetrico finito quasi-conservativo per fluidi reali (RFQC) che elimina le oscillazioni spurie di pressione nelle simulazioni di flussi transcritici e con cambiamento di fase, garantendo al contempo accuratezza e robustezza nella cattura di onde d'urto e transizioni termodinamiche.

Haotong Bai, Wenjia Xie, Yixin Yang, Ping Yi, Mingbo Sun2026-02-16🔬 physics

A new model for two-layer liquid-gas stratified flows in pipes with general cross sections

Questo lavoro presenta un nuovo modello iperbolico per flussi stratificati immiscibili gas-liquido in condotte a sezione generica, che accoppia un'approssimazione di acque basse per il liquido con la dinamica di un gas ideale, analizzandone le proprietà matematiche e validandoli attraverso simulazioni numeriche che includono casi con forti e moderate differenze di densità.

Sarswati Shah, Gerardo Hernández-Dueñas2026-02-16🔢 math

Accelerated Markov Chain Monte Carlo Simulation via Neural Network-Driven Importance Sampling

Questo articolo presenta un metodo di campionamento per importanza basato su reti neurali e un cammino casuale ramificato per accelerare le simulazioni Monte Carlo a catena di Markov, permettendo di superare le limitazioni temporali delle simulazioni atomistiche e di calcolare con precisione i tassi di transizione tra stati metastabili in sistemi ad alta dimensionalità.

Michael Kim, Wei Cai2026-02-16🔬 cond-mat