🔬 Category

physics.comp-ph

903 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.

Data-Efficient Neural Operator Training via Physics-Based Active Learning

Questo articolo introduce un nuovo algoritmo di apprendimento attivo basato sulla fisica che sfrutta i residui delle equazioni differenziali alle derivate parziali per guidare la selezione dei dati, migliorando significativamente l'efficienza dei dati nell'addestramento degli operatori neurali per la risoluzione di equazioni differenziali alle derivate parziali, al contempo iniettando un pregiudizio induttivo fisico nel processo.

Alicja Polanska, Lorenzo Zanisi, Vignesh Gopakumar, Stanislas Pamela2026-05-21🔬 physics

Ab initio Investigation of Thermal Transport in Insulators: Unveiling the Roles of Phonon Renormalization and Higher-Order Anharmonicity

Questo studio presenta un quadro numerico completo basato sulla rinormalizzazione autoconsistente dei fononi e sull'anarmonicità del quarto ordine per calcolare con precisione le proprietà termiche e termodinamiche degli isolanti, superando i limiti dei metodi perturbativi tradizionali trattando i fononi come quasiparticelle dipendenti dalla temperatura.

Soham Mandal, Manish Jain, Prabal K. Maiti2026-05-20🔬 cond-mat

Complexity Analysis of Normalizing Constant Estimation: from Jarzynski Equality to Annealed Importance Sampling and beyond

Questo lavoro stabilisce i primi limiti di complessità oracle non asintotici per la stima della costante di normalizzazione basata sull'importanza temperata senza fare affidamento su ipotesi isoperimetriche e propone un nuovo campionatore a diffusione inversa per superare i limiti dell'interpolazione geometrica tradizionale in contesti multimodali.

Wei Guo, Molei Tao, Yongxin Chen2026-05-20📊 stat

Requirements for Early Quantum Utility and Quantum Utility in the Capacitated Vehicle Routing Problem

Questo articolo introduce un framework trasparente e indipendente dalla codifica che utilizza conteggi di risorse e benchmark hardware per dimostrare che il raggiungimento di un'utilità quantistica precoce per il Problema di Instradamento dei Veicoli con Capacità (CVRP) è attualmente improbabile sui dispositivi NISQ, rivelando un enorme vantaggio in termini di qubit per le codifiche di ordine superiore rispetto alle mappature QUBO dirette, mentre suggerisce che una decomposizione innovativa del problema è essenziale per un vantaggio quantistico futuro.

Chinonso Onah, Kristel Michielsen2026-05-20🔬 physics.app-ph

Mapping Microstructure: Manifold Construction for Accelerated Materials Exploration

Questo articolo introduce un framework basato sui dati che modella la microstruttura come processo stocastico per costruire una varietà di materiale a bassa dimensionalità e invertibile, collegando con successo le condizioni di lavorazione ai risultati microstrutturali e consentendo una progettazione accelerata dei materiali in ciclo chiuso.

Simon A. Mason, Megna N. Shah, Jeffrey P. Simmons, Dennis M. Dimiduk, Stephen R. Niezgoda2026-05-20🔬 cond-mat.mtrl-sci

Walsh-Hadamard Neural Operators for Solving PDEs with Discontinuous Coefficients

Questo articolo introduce l'Operatore Neurale di Walsh-Hadamard (WHNO), una nuova architettura che utilizza le trasformate di Walsh-Hadamard per risolvere efficacemente le equazioni differenziali alle derivate parziali con coefficienti discontinui superando i limiti dei metodi basati sulla trasformata di Fourier, e dimostra che combinare il WHNO con gli Operatori Neurali di Fourier in un ensemble produce una precisione significativamente superiore nel catturare sia le interfacce nette che le caratteristiche lisce.

Giorgio M. Cavallazzi, Miguel Pérez Cuadrado, Alfredo Pinelli2026-05-20🔬 physics

SCULPT: An Interactive Machine Learning Platform for Analyzing Multi-Particle Coincidence Data from Cold Target Recoil Ion Momentum Spectroscopy

Il documento presenta SCULPT, una piattaforma interattiva di apprendimento automatico basata sul web che utilizza tecniche avanzate come UMAP e la valutazione adattiva della confidenza per analizzare dati di coincidenza multi-particellare ad alta dimensionalità provenienti da esperimenti COLTRIMS, consentendo così una scoperta efficiente di eventi rari e correlazioni nella fisica atomica e molecolare.

Hazem Daoud, Sarvesh Kumar, Jin Qian, Tanny Chavez, Daniel Slaughter, Thorsten Weber2026-05-20🔬 physics.atom-ph

NORi: An ML-Augmented Ocean Boundary Layer Parameterization

NORi è una nuova parametrizzazione di machine learning basata sulla fisica che combina equazioni differenziali ordinarie neurali con una chiusura dipendente dal numero di Richardson per simulare in modo accurato e stabile la turbolenza dello strato limite oceanico e la dinamica di intrusione nei modelli climatici, superando i metodi tradizionali pur richiedendo dati di addestramento minimi e garantendo stabilità numerica a lungo termine.

Xin Kai Lee, Ali Ramadhan, Andre Souza, Gregory LeClaire Wagner, Simone Silvestri, John Marshall, Raffaele Ferrari2026-05-20🔬 physics