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.
Il lavoro propone ArGEnT, un'architettura basata su Transformer che codifica geometrie arbitrarie da nuvole di punti per apprendere operatori fisici su domini complessi, superando i limiti dei metodi esistenti come DeepONet grazie a una maggiore accuratezza e generalizzazione senza necessità di parametrizzazioni geometriche esplicite.
Questo studio presenta un algoritmo QSGS accelerato da GPU e basato su un'evoluzione temporale esplicita indicizzata per liste, che riduce drasticamente i tempi di generazione di microstrutture porose tridimensionali ad alta risoluzione mantenendo l'accuratezza fisica rispetto ai dati sperimentali.
Questo articolo presenta il Fourier Vision Transformer, un metodo non supervisionato che risolve efficacemente il problema del recupero di fase in regime di fase forte per la diffrazione coerente di Bragg, superando i limiti degli algoritmi iterativi classici sia su dati sintetici che sperimentali.
Il lavoro propone un quadro analitico per valutare la precisione degli integratori di tipo Verlet stocastico nella simulazione dell'equazione di Langevin, identificando nel set di integratori GJ la soluzione ottimale per simulare correttamente diffusione, deriva e campionamento statistico.
Questo studio presenta HMT-PF, un modello basato su un'architettura ibrida Mamba-Transformer che integra informazioni su griglie non strutturate e un meccanismo di fine-tuning basato sulla fisica per generare campi spatiotemporali riducendo le discrepanze nelle equazioni fisiche.
Questo studio analizza la sincronizzazione di oscillatori guidati dall'operatore di Dirac-Bianconi su reti di ordine superiore, utilizzando il metodo di riduzione di fase per descrivere le dinamiche accoppiate tra segnali topologici definiti su nodi e link.
Questo articolo presenta evortran, una moderna libreria Fortran ad alte prestazioni per algoritmi genetici, illustrandone le funzionalità, i benchmark e le applicazioni pratiche nel fitting di dati LHC e nella ricostruzione di segnali LISA.
Questo studio valuta le prestazioni del framework EUCLID per la scoperta automatica di leggi costitutive iperelastiche confrontandolo con metodi di identificazione tradizionali su dati sperimentali di gomma naturale, analizzando l'accuratezza predittiva e la capacità di generalizzazione su geometrie inedite.
`diffpy.morph` è un pacchetto Python open-source progettato per confrontare set di funzioni 1D, come gli spettri scientifici, attraverso trasformazioni chiamate "morph" che permettono di eliminare le differenze irrilevanti e isolare i cambiamenti strutturali o chimici significativi.
Questo lavoro presenta un framework di modellazione condizionale multimodale basato su reti di densità di miscela (MDN) che integra vincoli fisici tramite regolarizzazione per apprendere distribuzioni di probabilità complesse e fisicamente coerenti in sistemi scientifici caratterizzati da non-unicità e biforcazioni.