physics.comp-ph 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.

The Integral Decimation Method for Quantum Dynamics and Statistical Mechanics

Il documento presenta il metodo di decimazione integrale, un algoritmo ispirato alla meccanica quantistica che supera la maledizione della dimensionalità decomponendo integrali multidimensionali in prodotti di funzioni matriciali tramite tensor train spettrali, permettendo così il calcolo efficiente di quantità fisiche come l'energia libera e le matrici di densità ridotte in sistemi complessi dove i metodi tradizionali falliscono.

Ryan T. Grimm, Alexander J. Staat, Joel D. Eaves2026-04-09⚛️ quant-ph

Learning by training: emergent return-point memory from cyclically tuning disordered sphere packings

Questo studio dimostra come i sistemi disordinati athermal, sottoposti a un design inverso ciclico per acquisire proprietà elastiche target, evolvano verso una varietà assorbente marginale che codifica una memoria del range di addestramento, offrendo un quadro fisico generale su come i sistemi adattivi apprendano e conservino ricordi di condizioni ambientali passate.

Mengjie Zu, Carl P. Goodrich2026-04-09🔬 physics

Classical Neural Networks on Quantum Devices via Tensor Network Disentanglers: A Case Study in Image Classification

Questo studio propone un metodo ibrido classico-quantistico per implementare strati bottleneck di reti neurali pre-addestrate su dispositivi quantistici, comprimendo i layer lineari in operatori a prodotto di matrici (MPO) e disaccoppiandoli tramite circuiti quantistici, con validazione sperimentale sulla classificazione di immagini MNIST e CIFAR-10.

Borja Aizpurua, Sukhbinder Singh, Román Orús2026-04-09⚛️ quant-ph

Multifluid Hydrodynamic Simulation of Metallic-Plate Collision Using the VOF Method

Questo studio presenta una simulazione idrodinamica multifluido unidimensionale della collisione tra lastre di piombo e acciaio nell'ambito della saldatura esplosiva, utilizzando un algoritmo di tipo Godunov basato sul metodo VOF per tracciare l'interfaccia e modellare le onde di scarico, i cui risultati numerici concordano con i dati sperimentali.

Fedor Belolutskiy, Elena Oparina, Svetlana Fortova2026-04-09🔬 physics

Asymptotic-Preserving Neural Networks for Viscoelastic Parameter Identification in Multiscale Blood Flow Modeling

Questo studio presenta l'uso di reti neurali asintoticamente preservanti per identificare in modo affidabile i parametri viscoelastici delle pareti arteriose e ricostruire le onde di pressione nel flusso sanguigno multiscale, utilizzando dati non invasivi come velocità e area di sezione trasversale ottenuti da ecografie Doppler.

Giulia Bertaglia, Raffaella Fiamma Cabini2026-04-09🤖 cs.LG

DYNAMITE: A high-performance framework for solving Dynamical Mean-Field Equations

Il paper presenta \textsc{Dynamite}, un framework ad alte prestazioni che risolve le equazioni di campo medio dinamico (DMFE) fino a tempi senza precedenti ( $t=O(10^7)$ ) combinando interpolazione non uniforme, passi temporali adattivi e una "rinormalizzazione" numerica della memoria, permettendo così di studiare regimi di rilassamento e invecchiamento precedentemente inaccessibili.

Johannes Lang, Vincenzo Citro, Luca Leuzzi, Federico Ricci-Tersenghi2026-04-09🔬 cond-mat

Calibration of a neural network ocean closure for improved mean state and variability

Questo studio dimostra che l'uso dell'inversione di Ensemble Kalman per calibrare i parametri di una rete neurale che parametrizza i vortici mesoscalari riduce significativamente gli errori nello stato medio e nella variabilità dei modelli oceanici a risoluzione grossolana, offrendo una via pratica per migliorare le simulazioni globali.

Pavel Perezhogin, Alistair Adcroft, Laure Zanna2026-04-09🔬 physics

Two-dimensional active polar semiflexible polymer under shear flow

Lo studio tramite simulazioni numeriche rivela che il flusso di taglio induce cambiamenti conformazionali, allineamento e moto di capriata nei polimeri semiflessibili attivi bidimensionali, influenzando significativamente le loro proprietà reologiche fino a generare una viscosità negativa, mentre ad alti tassi di taglio prevale il comportamento dei polimeri passivi.

A. Lamura, R. G. Winkler2026-04-09🔬 cond-mat

Operator Learning for Surrogate Modeling of Wave-Induced Forces from Sea Surface Waves

Questo studio propone l'uso delle Deep Operator Networks (DeepONets) come surrogato efficiente e accurato del modello numerico SWAN per prevedere le forze indotte dalle onde e il gradiente dello stress di radiazione, superando i limiti computazionali dei modelli tradizionali nelle simulazioni di storm surge.

Shukai Cai, Sourav Dutta, Mark Loveland, Eirik Valseth, Peter Rivera-Casillas, Corey Trahan, Clint Dawson2026-04-09🔬 physics

A Massively Scalable Ligand-Protein Dissociation Dynamic Database Derived from Atomistic Molecular Modelling

Il paper presenta DD-03B, un vasto database pubblico contenente 0,3 miliardi di frame di simulazioni di dissociazione ligando-proteina derivati da modelli atomistici, che fornisce dati dinamici essenziali per lo sviluppo di modelli di intelligenza artificiale volti a ottimizzare la cinetica dei farmaci.

Maodong Li, Dechin Chen, Zhijun Pan, Zhe Wang, Yi Isaac Yang2026-04-09🔬 physics

← Precedente Successivo →