1197 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 la "Jeffreys Flow", un quadro generativo robusto che previene il collasso modale nei generatori di Boltzmann per il campionamento di eventi rari, distillando dati da traiettorie di Parallel Tempering tramite la divergenza di Jeffreys simmetrica per garantire una copertura globale accurata su paesaggi energetici complessi.
Questo studio dimostra che l'uso di archivi Centroidal Voronoi Tessellation (CVT) basati su embedding chimici appresi da ChemBERTa-2, combinati con l'algoritmo Multi-Objective MAP-Elites, migliora significativamente la scoperta di materiali non lineari ottici (NLO) diversificati e di alta qualità rispetto ai metodi tradizionali a griglia uniforme.
Questo studio dimostra che il metodo SCF, precedentemente considerato inaccurato per molecole di grandi dimensioni come l'antrone, fornisce in realtà risultati affidabili e in accordo con i dati sperimentali, smentendo l'ipotesi del suo fallimento su sistemi estesi.
Il paper introduce JZ-Tree, un'implementazione open-source basata su JAX e CUDA che utilizza una gerarchia di alberi "piano-based" in ordine Morton per abilitare una ricerca dei vicini e un clustering Friends-of-Friends ad alte prestazioni su GPU, superando di oltre un ordine di grandezza le librerie concorrenti per grandi dataset grazie a un accesso alla memoria coalesciato e a un'efficiente traversata duale degli alberi.
Questo studio presenta simulazioni numeriche dell'equazione d'onda non lineare frazionaria cubica defocalizzante in una dimensione periodica, dimostrando che sia l'inflazione della norma che la ben-postezza probabilistica possono essere osservate numericamente sia nei regimi sottocritici che sopracritici rispetto all'energia.
Questo articolo presenta approcci basati sul rilassamento applicati a schemi Runge-Kutta impliciti-esplíciti e alla collocalizzazione di Fourier per garantire la conservazione della massa e il bilancio dell'energia nelle soluzioni numeriche delle equazioni di Schrödinger-Poisson, anche in contesti cosmologici con coefficienti variabili nel tempo.
Questo lavoro presenta un quadro integrato di progettazione basato sull'apprendimento automatico che supera le limitazioni dei metodi tradizionali per esplorare in modo efficiente lo spazio composizionale degli acciai complessi refrattari, prevedendo con alta accuratezza la stabilità di fase e le proprietà meccaniche per accelerare la scoperta di nuovi materiali ad alta temperatura.
Utilizzando una tecnica di Monte Carlo diagrammatico controllata, lo studio dimostra che nel reticolo di Lieb con interazione attrattiva, la risposta di pairing diverge linearmente con la diminuzione della temperatura, portando a una transizione verso correlazioni a lungo raggio a una temperatura caratteristica che fornisce un limite superiore controllato per la superconduttività in bande piatte.
Questo lavoro presenta un framework di deep learning basato su una soluzione pseudo-analitica della probabilità (PAPS) che, attraverso un singolo processo di addestramento e l'uso di miscele gaussiane, risolve in modo efficiente e accurato le equazioni di Fokker-Planck transitorie per parametri e distribuzioni iniziali arbitrari, superando di quattro ordini di grandezza la velocità delle simulazioni Monte Carlo tradizionali.
Il paper presenta gyaradax, un solver minimale per la cinetica giroscopica locale basato su JAX/CUDA che, validato contro il codice GKW e sviluppato con l'ausilio di agenti di programmazione, offre accelerazione GPU, differenziazione automatica e nuove opportunità per l'integrazione tra fisica del plasma e machine learning.