1164 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.
Il paper presenta AMBer, un framework basato su apprendimento per rinforzo che automatizza la costruzione di modelli di fisica delle particelle, in particolare per il mixing dei neutrini, selezionando gruppi di simmetria e rappresentazioni di campo per generare teorie valide con un minimo di parametri liberi.
Questo lavoro presenta un approccio bayesiano rigoroso per la microscopia di localizzazione MINFLUX che, superando le attuali euristiche, riduce il numero di fotoni necessari per raggiungere una risoluzione di 1 nm di circa quattro volte.
Il paper presenta un approccio di orbitali naturali congelati (FNO) per sistemi open-shell basato sulla teoria perturbativa ZAPT2, che riduce in modo efficiente la dimensione dello spazio virtuale per gli eigensolver quantistici, garantendo una convergenza sistematica e accurata dei gap energetici tra stati eccitati e fondamentali anche per complessi metallici di grandi dimensioni.
Gli autori propongono un framework di apprendimento iterativo che combina algoritmi evolutivi, modelli atomici di base e l'approssimazione armonica auto-consistente stocastica per superare i limiti computazionali nella previsione della struttura cristallina di sistemi fortemente anarmonici, garantendo accuratezza termodinamica con un'efficienza dei dati significativamente migliorata.
Questo lavoro estende l'eigensolver ChASE, originariamente progettato per matrici hermitiane dense, per calcolare efficientemente migliaia di autovalori positivi di Hamiltoniane pseudo-hermitiane, introducendo una variante obliqua della proiezione di Rayleigh-Ritz e un'implementazione parallela ottimizzata per i sistemi exascale.
Questo studio valuta le capacità dei grandi modelli linguistici nel ragionamento tacito della teoria quantistica dei campi e della teoria delle stringhe, rivelando che, sebbene eccellano nelle derivazioni esplicite, falliscono sistematicamente nel ricostruire passaggi logici omessi e nel gestire vincoli di coerenza globale a causa di un'instabilità nella selezione del quadro concettuale.
SWEEP è una piattaforma unificata ed estensibile per la risoluzione delle equazioni d'onda sismica che, grazie al supporto per la differenziazione automatica e un'architettura modulare, facilita l'implementazione di metodi di inversione avanzati come l'inversione del campo d'onda completo (FWI) e la migrazione temporale inversa ai minimi quadrati (LSRTM).
Il paper introduce un framework LSTM-PINN che risolve le sfide numeriche dei sistemi elettrotermici stazionari a forte accoppiamento preservando la consistenza multi-campo e superando le prestazioni degli stati dell'arte nel modellare flussi complessi e strati limite.
Questo lavoro propone un approccio basato sull'apprendimento automatico che utilizza reti neurali convoluzionali per classificare la propagazione della luce strutturata in atmosfera turbolenta, integrando un modello generativo basato sulla diffusione per ampliare il dataset di addestramento e ottimizzare la generazione di modi ad alta frequenza tramite minimizzazione della distanza di Bregman.
Questo studio propone una regolarizzazione ibrida per le PINN che combina residui basati su differenziazione automatica con un termine ausiliario a differenze finite per penalizzare i gradienti del campo residuo, migliorando significativamente l'accuratezza dei flussi e delle condizioni al contorno in problemi termici tridimensionali senza sostituire il residuo PDE principale.