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.

A single-stage high-order compact gas-kinetic scheme in arbitrary Lagrangian-Eulerian formulation

Questo studio presenta uno schema gas-cinetico compatto ad alto ordine in formulazione Arbitrary Lagrangian-Eulerian (ALE) che, attraverso l'uso di un flusso evolutivo accurato nel tempo e di una ricostruzione spaziale semplificata, ottimizza l'efficienza computazionale e la precisione nel tracciamento delle discontinuità di flusso.

Yue Zhang, Xing Ji, Yibing Chen, Fengxiang Zhao, Kun Xu2026-02-11🔬 physics

Wave Particle Turbulent Simulation of Spatially Developing Round Jets Using a Non Equilibrium Transport Model with a Mixing Length Characteristic Time Closure

Questo studio presenta l'integrazione di un modello di chiusura basato sulla lunghezza di miscelamento di Prandtl all'interno della tecnica di simulazione turbolenta onda-particella (WPTS), dimostrando la capacità del framework di riprodurre accuratamente la fisica e la similitudine dei getti circolari in via di sviluppo.

Xiaojian Yang, Kun Xu2026-02-11🔬 physics

Long-Range Machine Learning of Electron Density for Twisted Bilayer Moiré Materials

Questo studio presenta un metodo di apprendimento automatico basato su processi gaussiani che, utilizzando descrittori a lungo raggio, permette di prevedere con precisione la densità elettronica in supercelle moiré di grandi dimensioni, superando i limiti computazionali della teoria del funzionale della densità (DFT) per materiali come il grafene e i dicalcogenuri dei metalli di transizione.

Zekun Lou, Alan M. Lewis, Mariana Rossi2026-02-11🔬 cond-mat.mtrl-sci

Reducing Weighted Ensemble Variance With Optimal Trajectory Management

Questo studio dimostra che l'applicazione di una strategia di parametrizzazione ottimale per la gestione delle traiettorie riduce significativamente la varianza nelle stime dei tempi medi di primo passaggio (MFPT) in modelli molecolari complessi e ad alta dimensionalità.

Won Hee Ryu, John D. Russo, Mats S. Johnson, Jeremy T. Copperman, Jeffrey P. Thompson, David N. LeBard, Robert J. Webber, Gideon Simpson, David Aristoff, Daniel M. Zuckerman2026-02-10🔬 physics

Composing αα-Gauss and logistic maps: Gradual and sudden transitions to chaos

Il lavoro introduce la mappa α\alpha-Gauss-Logistica, un nuovo sistema dinamico non lineare che presenta transizioni al caos graduali (tramite cascate di raddoppio del periodo) per α<1\alpha < 1 e transizioni improvvise senza biforcazioni per 1α<21 \leq \alpha < 2, rivelando proprietà analitiche peculiari e connessioni con la distribuzione di Cauchy nel caso limite.

Marcelo A. Pires, Constantino Tsallis, Evaldo M. F. Curado2026-02-10🧬 q-bio