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.

Learning to Maximize Quantum Neural Network Expressivity via Effective Rank

Questo articolo introduce il rango efficace (κ\kappa) come una nuova misura quantitativa per caratterizzare l'espressività delle reti neurali quantistiche e sfrutta un framework di apprendimento per rinforzo con un agente transformer a self-attention per progettare automaticamente architetture di circuiti quantistici altamente espressivi che massimizzano tale metrica.

Juan Yao2026-05-08✓ Author reviewed ⚛️ quant-ph

Optimal quantum reservoir learning in proximity to universality

Questo articolo dimostra che l'apprendibilità e la scalabilità del calcolo quantistico a serbatoio possono essere ottimizzate continuamente regolando la frazione di porte non-Clifford, stabilendo un collegamento diretto tra le prestazioni del serbatoio, le statistiche di entanglement e le risorse non stabilizzatrici per navigare il confine tra dinamiche quantistiche simulabili classicamente e dinamiche quantistiche computazionalmente complesse.

Moein N. Ivaki, Matias Karjula, Tapio Ala-Nissila2026-05-08⚛️ quant-ph

Universal Neural Propagator: Learning Time Evolution in Many-Body Quantum Systems

Questo articolo introduce il Propagatore Neurale Universale (UNP), un modello fondazionale auto-supervisionato che impara a prevedere l'evoluzione temporale di sistemi quantistici a molti corpi attraverso stati iniziali e protocolli di guida diversi, mappando direttamente i protocolli sui propagatori, consentendo così simulazioni trasferibili oltre i limiti della diagonalizzazione esatta.

Zihao Qi, Christopher Earls, Yang Peng2026-05-08⚛️ quant-ph

A Comparison of Massively Parallel Performance Portable Particle-in-Cell schemes for electrostatic kinetic plasma simulations

Questo lavoro valuta le prestazioni e la portabilità di vari risolutori di Poisson, inclusi FFT, PCG, FEM e gli innovativi schemi Particle-in-Fourier (PIF), all'interno della libreria IPPL per simulazioni PIC elettrostatiche su diverse architetture GPU, rilevando che, sebbene FFT sia il più veloce, lo schema PIF offre un'eccellente scalabilità come alternativa ad alta fedeltà.

Sonali Mayani, Paul Fischill, Sriramkrishnan Muralikrishnan, Andreas Adelmann2026-05-08🔬 physics

A Scalable Translationally Invariant Variational Theory of Ab Initio Polarons

Questo articolo introduce una teoria variazionale scalabile e invariante per traslazioni per i polaroni ab initio che combina funzioni d'onda proiettate sul momento con una fattorizzazione del kernel a rango ridotto per modellare accuratamente il comportamento dei portatori attraverso i regimi di accoppiamento nel limite termodinamico, rivelando significativi bias nei risultati esistenti della Monte Carlo diagrammatica per i polaroni di lacuna ad accoppiamento forte nel LiF.

Moritz K. A. Baumgarten, Hamlin Wu, Tong Jiang, Joonho Lee2026-05-08🔬 cond-mat.mtrl-sci

Polarizable atomic multipoles for learning long-range electrostatics

Questo articolo introduce un quadro semi-locale che integra multipoli atomici polarizzabili con una risposta lineare non autoconsistente per consentire ai potenziali interatomici basati sull'apprendimento automatico di modellare accuratamente le interazioni elettrostatiche a lungo raggio e di prevedere osservabili sensibili alla polarizzazione, come le cariche efficaci di Born e gli spettri infrarossi, in sistemi ionici e polari diversificati.

Dongjin Kim, Daniel S. King, Yoonjae Park, Roya Savoj, Sebastien Hamel, Xiaoyu Wang, Bingqing Cheng2026-05-08🔬 cond-mat.mtrl-sci

Data-driven reconstruction of band dispersion and quantum geometry via Koopman dynamical mode decomposition

Questo lavoro presenta un framework guidato dai dati che utilizza l'analisi dell'operatore di Koopman e la decomposizione dei modi dinamici per ricostruire direttamente dalla dati spazio-temporali la dispersione di banda, le funzioni spettrali e le proprietà geometriche quantistiche, offrendo un approccio unificato per analizzare la propagazione delle onde e le fasi topologiche nella materia condensata e nella fotonica senza richiedere un Hamiltoniano esplicito.

Yiming Pan, Jinze He, Jiapeng Yang, Zhiwei Fan2026-05-08🔬 physics

How nanotextured interfaces influence the electronics in perovskite solar cells

Questo studio impiega simulazioni multidimensionali per rivelare che le interfacce nanotesturizzate nelle celle solari in perovskite migliorano l'efficienza di conversione della potenza ridistribuendo i campi elettrici e modulando la dinamica dei portatori, con specifiche altezze di testurazione e tassi di ricombinazione superficiale agli strati di trasporto che determinano la tensione a circuito aperto e la densità di corrente di cortocircuito risultanti.

Dilara Abdel, Jacob Relle, Thomas Kirchartz, Patrick Jaap, Jürgen Fuhrmann, Sven Burger, Christiane Becker, Klaus Jäger, Patricio Farrell2026-05-07🔬 physics.app-ph