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.
Questo articolo introduce l'IPRM Raggio-Colonna, un modello di turbolenza basato sulla struttura che ripristina le informazioni sulla scala spettrale radiale proiettando gli stati condizionati su bande finite di numero d'onda, consentendo così valutazioni di chiusura più accurate e la formazione di osservabili filtrati rispetto agli approcci tradizionali basati esclusivamente sull'orientamento.
Questo studio dimostra che l'uso di impulsi laser Laguerre-Gaussiani a due colori per guidare le scie di plasma ne altera fondamentalmente la topologia ridistribuendo l'energia del campo longitudinale fuori dall'asse in strutture cave e ad anello, offrendo così nuovi meccanismi per il controllo della dinamica trasversa del plasma e consentendo l'accelerazione di particelle fuori asse.
Questo articolo propone un metodo computazionale basato su una rete neurale informata dalla fisica (PINN) che risolve direttamente gli stati di flusso periodici nel tempo ottimizzando su un singolo periodo anziché simulando condizioni iniziali transitorie, ottenendo così riduzioni significative dei tempi di calcolo pur mantenendo un'accuratezza paragonabile a quella dei solver tradizionali basati su mesh.
Questo articolo presenta uno strumento Metodo dei Momenti numericamente stabile per la simulazione dei parametri S di PCB multistrato incassati, combinando un formalismo a matrice S per derivare la funzione di Green diadica completa con diverse funzioni di base per modellare sia le correnti trasversali che quelle longitudinali.
Utilizzando metodi Monte Carlo variazionali con stati quantistici neurali, questo studio analizza il settore vicino al nucleo del vincolo hamiltoniano nella gravità ad anelli ridotta quantistica e identifica tre classi distinte di soluzioni, inclusa una branca fattorizzata accuratamente descritta da stati coerenti semiclassici emergenti di Thiemann.
Questo articolo presenta un nuovo metodo basato su MPI per costruire e simulare reti neurali a impulsi su larga scala su cluster multi-GPU e supercomputer exascale, dimostrando un'efficienza di scalabilità per modelli corticali complessi attraverso strategie ottimizzate di connettività locale e scambio di impulsi.
Questo articolo introduce l'Operatore Neurale Simplettico, una nuova architettura che preserva la struttura simplettica intrinseca dei sistemi hamiltoniani infinito-dimensionali per garantire una stabilità rigorosa a lungo termine e un migliorato conservazione dell'energia rispetto ai modelli standard basati sui dati.
Il documento introduce la Quantum Feature Amplification Network (QFAN), un modello generativo quantistico autoregressivo che supera il collo di bottiglia della dimensione del registro nella simulazione degli sciami calorimetrici generando immagini come sequenze di blocchi mediante un circuito quantistico a dimensione fissa, dimostrando con successo la sua capacità di riprodurre le principali distribuzioni fisiche sia su simulatori che su hardware quantistico IBM.
Questo articolo presenta un'implementazione altamente efficiente e accelerata su più GPU del modello oceanico a elementi discontinui SLIM, che ottiene accelerazioni massive rispetto ai sistemi basati su CPU e abilita simulazioni costiere ad altissima risoluzione, come un miglioramento di cinque volte della risoluzione per la Grande Barriera Corallina.
Questo articolo dimostra come combinare un agente di codifica basato sull'intelligenza artificiale generativa con un algoritmo di ricerca ad albero guidato da un modello linguistico di grandi dimensioni possa scoprire autonomamente strutture fotovoltaiche tridimensionali ottimizzate, a condizione che il sistema applichi iterativamente patch ai vincoli fisici per eliminare l'hacking algoritmico delle ricompense e garantire soluzioni fisicamente valide.