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 paper propone un nuovo metodo multi-livello basato sulla decomposizione Tensor-Train per risolvere equazioni differenziali alle derivate parziali non lineari in un formato spazio-temporale monolitico, superando i limiti di convergenza dei metodi classici e dei solutori TT a singolo livello attraverso una strategia di raffinamento progressivo che garantisce maggiore robustezza e precisione.
Il paper presenta *dewi-kadita*, una libreria Python open-source per la simulazione di stormi di pesci in 3D che introduce sette nuovi parametri diagnostici basati sull'entropia e un indice di disordine (OSI) per caratterizzare l'auto-organizzazione collettiva in modo più preciso rispetto ai metodi classici.
Il lavoro presenta una formulazione analitica e una validazione tramite simulazioni numeriche (PIC) per la generazione di radiazione terahertz con polarizzazione azimutale, ottenuta attraverso la propagazione di un impulso laser a polarizzazione radiale in un plasma omogeneo magnetizzato.
Il lavoro presenta un modello matematico basato sul metodo degli elementi finiti per simulare l'ossificazione intramembranosa nei siti di estrazione dentale, validato con successo tramite dati sperimentali in vivo.
Il presente studio propone l'introduzione della regolarizzazione di Tikhonov per stabilizzare la ricostruzione delle funzioni di scattering parziali ottenute tramite CV-SANS, risolvendo il problema dell'instabilità numerica causato dalle ampie differenze nei valori singolari durante la decomposizione SVD.
Il lavoro propone un nuovo algoritmo a volumi finiti completamente accoppiato e implicito per simulare flussi interfacciali viscoelastici, capace di gestire elevati numeri di Weissenberg e fenomeni complessi senza la necessità di approcci log-conformativi.
Questa tesi presenta un metodo di discretizzazione basato sul machine learning per accelerare e migliorare la precisione dei solutori di equazioni differenziali alle derivate parziali, applicandolo con successo alle equazioni delle acque poco profonde e di Eulero.
Il sistema di intelligenza artificiale agenziale ChemNavigator ha autonomamente scoperto sei regole progettuali statisticamente significative per i fotocatalizzatori organici, integrando il ragionamento dei modelli linguistici con calcoli computazionali per derivare principi chimici interpretabili che superano i limiti degli approcci di machine learning tradizionali.
Questo articolo propone un metodo variazionale duale basato su principi di convessità e approssimazioni con B-spline o reti neurali per risolvere equazioni differenziali alle derivate parziali prive di struttura variazionale primale, trasformandole in problemi di ottimizzazione convessa per i campi duali.