129 articoli
Il paper introduce le Neural Delay Differential Equations (NDDE), un approccio continuo basato sul formalismo di Mori-Zwanzig che utilizza ritardi temporali fissi per modellare dinamiche non-Markoviane in sistemi parzialmente osservabili, superando le prestazioni di metodi esistenti come LSTM e ANODE.
Questo lavoro estende il modello della Teoria dei Mezzi Porosi per la vertebroplastica percutanea al caso non isotermo, introducendo tre bilanci energetici e relazioni costitutive che, pur trascurando gli effetti capillari, garantiscono coerenza termodinamica e comportamenti fisicamente realistici nelle simulazioni numeriche.
Questo studio presenta un quadro teorico-atomistico basato su un kernel di memoria dipendente dal tempo che, applicato al PMMA, unifica la caratterizzazione della viscoelasticità dei polimeri vetrosi su oltre venti ordini di grandezza di frequenza, dimostrando coerenza quantitativa con dati sperimentali e simulazioni su scale che spaziano dai terahertz ai millihertz.
Questo articolo presenta un nuovo algoritmo Monte Carlo per il trasporto di particelle dipendente dal tempo che utilizza finestre di peso globali automatiche, definite tramite la soluzione di un problema ausiliario ibrido Monte Carlo/deterministico basato sulle equazioni del secondo momento di ordine inferiore (LOSM), per ottenere una distribuzione uniforme delle particelle e migliorare l'efficienza computazionale.
Il lavoro presenta l'approccio SAP-X2C, un hamiltoniano relativistico a due componenti che, mantenendo la semplicità computazionale del metodo X2C a un elettrone, incorpora in modo ottimale gli effetti di cambiamento dell'immagine a due elettroni per garantire un limite termodinamico ben definito e un'accuratezza paragonabile a quella dei metodi a quattro componenti.
Il paper presenta un algoritmo di campionamento di traiettorie di transizione basato su uno shooting unidirezionale che accetta ogni proposta, garantendo l'efficienza e la correttezza statistica attraverso un meccanismo di reweighting, come dimostrato dallo studio della formazione di idrati di clatrato di CO₂ in condizioni difficili da raggiungere con metodi convenzionali.
Questo lavoro presenta un surrogato multitask per le equazioni di stato delle stelle di neutroni che, addestrato su 40.000 modelli, fornisce previsioni certificate e prive di distribuzione per massa, raggio e deformabilità mareale, integrando la classificazione di validità fisica e la stima dell'incertezza tramite Mondrian Conformal Prediction.
Questo studio presenta un framework di machine learning che utilizza l'Operatore di Fourier (FNO) per prevedere in modo efficiente e accurato il flusso stazionario attraverso mezzi porosi, superando i metodi CFD tradizionali in termini di velocità e adattabilità all'ottimizzazione topologica.
Questo studio combina metodi di apprendimento automatico e teoria della struttura elettronica fino al livello CCSD(T) per calcolare con precisione quantitativa l'energia libera di accoppiamento ionico del CaCO₃ in soluzione acquosa, risolvendo finalmente le sfide legate alla previsione termodinamica di sistemi complessi.
Lo studio dimostra che le macchine di Ising basate su oscillatori superano quelle basate su latch bistabili nella risoluzione di problemi di ottimizzazione combinatoria, grazie a dinamiche fisiche che permettono la destabilizzazione selettiva degli stati ad alta energia, a differenza della stabilità lineare uniforme riscontrata nei latch.
Questo studio presenta un modello surrogato basato su un operatore neurale informato dalla fisica (PINO) che accelera di oltre 10.000 volte l'analisi della ritenzione dei dati nei transistor a effetto di campo ferroelettrico verticali (Fe-VNAND) rispetto alle simulazioni TCAD tradizionali, consentendo una rapida ottimizzazione dei dispositivi mantenendo l'accuratezza fisica.
Questo lavoro dimostra che l'apprendimento automatico della matrice di densità ridotta a due elettroni (2-RDM) consente di costruire surrogati ad alta fedeltà per metodi di struttura elettronica correlata, permettendo calcoli di qualità coupled-cluster per sistemi complessi come il glucosio solvatato in 500 molecole d'acqua a un costo computazionale paragonabile a quello dell'Hartree-Fock.
Questo lavoro presenta un solver accoppiato elettromagnetico-termico-meccanico accelerato da GPU che consente simulazioni transienti in scala reale per il design precoce di pacchetti avanzati, superando i limiti delle approssimazioni stazionarie per identificare meccanismi di guasto altrimenti invisibili.
Il paper presenta un metodo pseudo-spettrale semi-analitico basato su uno schema di differenziazione temporale esponenziale (ETD) per risolvere le equazioni di Boussinesq tridimensionali in domini cilindrici illimitati, permettendo di simulare con alta precisione e stabilità i flussi rotanti e stratificati soggetti a forte shear azimutale senza le limitazioni temporali imposte dalla rigidità numerica.
Il documento presenta un quadro geometrico basato sull'accoppiamento negativo multi-scala covariante su varietà di Riemanniane dinamiche per prevenire il collasso dimensionale in sistemi dissipativi infinitodimensionali, dimostrando teoricamente la stabilità degli attrattori ad alta dimensione e validando sperimentalmente il meccanismo attraverso simulazioni numeriche ad alta risoluzione.
Il paper descrive "paces", un metodo parallelo ottimizzato per GPU che calcola l'evoluzione temporale di stati quantistici puri costruendo dinamicamente un sottospazio co-evolutivo generato dalle applicazioni ripetute dell'operatore Hamiltoniano, risultando efficace per sistemi con Hamiltoniani sparsi e potenzialmente estendibile a sistemi aperti.
Questo articolo presenta un nuovo metodo numerico generale e estensibile per la ricostruzione coerente delle interfacce e l'accoppiamento in simulazioni multiphysics, che combina un algoritmo di interpolazione pesata con una mappatura conservativa dei flussi per garantire un trasferimento dati preciso e la conservazione globale tra domini computazionali discretizzati.
Questo articolo presenta il metodo di Taguchi come uno strumento efficace per ottimizzare la propagazione non lineare degli impulsi nelle fibre ottiche, dimostrando la sua rapida convergenza e applicabilità attraverso problemi chiave come il solitone a centro guida e la conservazione dell'ordine del solitone in fibre a dispersione decrescente.
Il paper presenta architetture di potenziali interatomici basati su apprendimento automatico che utilizzano miscele di esperti (MoE) e miscele di esperti lineari (MoLE), dimostrando che l'attivazione sparsa con esperti condivisi e il routing elemento per elemento migliorano significativamente l'accuratezza e la stabilità, ottenendo risultati all'avanguardia su diversi benchmark e rivelando una specializzazione degli esperti allineata alle tendenze della tavola periodica.
Questo studio stabilisce un quadro microscopico per la dinamica fononica non markoviana indotta da impulsi laser THz, ricostruendo i kernel di dissipazione tramite simulazioni di dinamica molecolare per quantificare la produzione di calore e dimostrare come le grandezze termodinamiche possano essere misurate sperimentalmente attraverso la dinamica di singoli modi fononici.