1190 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 introduce un approccio basato su una densità di carica modello che annulla i momenti di multipolo della distribuzione cristallina per accelerare la convergenza delle somme di Ewald, dimostrando la sua efficacia nel calcolo del gap fondamentale dell'arseniuro di gallio e chiarificando un'implementazione decennale nel codice CRYSTAL.
Questo studio dimostra che l'integrazione di nuovi descrittori di legame quantochimici, derivati da un'estesa database di 13.000 materiali, migliora significativamente le prestazioni dei modelli di apprendimento automatico nella previsione di proprietà elastiche, vibrazionali e termodinamiche, facilitando inoltre l'identificazione di relazioni fisiche intuitive tramite regressione simbolica.
Il paper presenta un modello surrogato basato sull'apprendimento automatico per l'equazione di Cahn-Hilliard stocastica in 3D che, parametrizzando le fluttuazioni termiche a livello dei flussi intercellulari, garantisce la conservazione della massa e la coerenza termodinamica, permettendo di catturare con successo fenomeni critici come la nucleazione e di generalizzare a domini spaziali e temporali molto più ampi rispetto a quelli di addestramento.
Il paper introduce VaFES, un approccio variazionale basato su modelli generativi che permette di costruire direttamente superfici di energia libera differenziabili e di identificare eventi rari tramite campionamento immediato, eliminando la necessità di costose simulazioni preliminari.
Questo lavoro presenta un metodo di goniometria ultrasonica basato su un modello di onde piane implementato su GPU e vincolato da limiti elastici ottimali, progettato per caratterizzare in modo efficiente e preciso l'elasticità anisotropa generale dei materiali senza richiedere un allineamento preciso del campione.
Questo studio basato sulla teoria del funzionale densità ibrida analizza come l'intercalazione di ioni sodio nella birnessite di potassio ne modifichi la stabilità strutturale, le proprietà vibrazionali, la diffusione ionica e il comportamento magnetico ed elettronico, rivelando il potenziale di questo materiale per applicazioni energetiche e spintroniche.
Questo articolo presenta una tecnica di mesh mobile sovrapposta all'interno dello schema gas-kinetico unificato (UGKS) che, combinando un risolutore implicito con ottimizzazioni parallele, permette di simulare in modo efficiente e robusto flussi multiscala non stazionari con confini in movimento, come nella separazione di corpi ipersonici e nei sistemi MEMS.
Questo articolo propone un metodo di ricostruzione vincolata per garantire la non-negatività dei livelli dei canali di reazione nelle tabelle di probabilità delle sezioni d'urto, formulando un problema di ottimizzazione convessa che mantiene le informazioni a basso ordine e risolve le discrepanze ai fini dell'interpretazione fisica, come dimostrato da risultati numerici su un benchmark di U-238.
Questo lavoro presenta un metodo di "sign-blocking" che, applicato alla post-elaborazione dei campioni, mitiga il problema del segno dei fermioni sfruttando le correlazioni tra energia e fattori di segno, ottenendo risultati in eccellente accordo con i benchmark dello stato dell'arte per il modello di Fermi-Hubbard bidimensionale.
Questo studio introduce una strategia di screening multi-fidelity basata su banditi contestuali e un imbuto di validazione DFT a tre livelli per identificare in modo efficiente i migliori dopanti per semiconduttori ossidici, riducendo drasticamente i costi computazionali e rivelando che le prestazioni dei dopanti sono governate da due dimensioni chimiche latenti.