1200 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.
Lo studio dimostra che, nonostante le differenze fondamentali nelle interazioni tra le particelle, due sistemi diversi che formano la stessa struttura cristallina complessa seguono percorsi di cristallizzazione multistadio e un'evoluzione della struttura locale simili, poiché le loro interazioni risultano efficacemente equivalenti quando il sistema di particelle rigide è mappato su un potenziale di coppia efficace.
Questo articolo presenta un metodo di energia profonda multiphysica fisicamente coerente per modellare la frattura nei materiali piezoresistivi, permettendo di prevedere l'evoluzione delle cricche e il corrispondente segnale di resistenza elettrica senza attribuire al campo elettrico un ruolo artificiale nella guida della frattura.
Il paper introduce FermiLink, un framework di agenti unificato e open-source che separa le conoscenze dei pacchetti software dai flussi di lavoro di simulazione per abilitare esecuzioni autonome e scalabili in diversi domini scientifici, dimostrando la sua efficacia nel riprodurre figure pubblicate e nel generare risultati di livello di ricerca su problemi non ancora pubblicati.
Lo studio combina spettroscopia infrarossa di anioni di pirene idratati con nuovi approcci di machine learning per rivelare come la dinamica elettronica del sistema aromatico moduli le vibrazioni dell'acqua, fornendo nuove prospettive fondamentali per la modellazione delle interazioni tra acqua e sistemi π.
Questo studio dimostra che le reazioni termonucleari senza barriera, inclusa la ricombinazione ione-atomo, sono governate da dinamiche a tre corpi dirette piuttosto che dal meccanismo sequenziale di Lindemann-Hinshelwood, risolvendo così le discrepanze tra teoria ed esperimento e fornendo un nuovo quadro meccanistico per la chimica atmosferica, la fisica del plasma e la chimica ultracalda.
Questo studio analizza l'evoluzione di una passeggiata quantistica discreta con un rivelatore che viene rimosso e reinserito casualmente, rivelando come le diverse regole di relocation influenzino la diffusione e i rapporti di probabilità di occupazione, mostrando un comportamento oscillatorio e una saturazione che differiscono significativamente dalle passeggiate quantistiche semi-infinte e quenched, specialmente nel regime di spostamento rapido.
Questa recensione esamina le strategie numeriche basate su particelle per modellare i colloidi magnetici anisotropi, analizzando come diversi livelli di descrizione e il disallineamento tra dipolo e particella influenzino l'autoassemblaggio, mentre evidenzia anche il ruolo emergente dell'apprendimento automatico per ottimizzare le simulazioni.
Questo articolo propone un framework di ottimizzazione non basato su gradienti che integra funzioni casuali gaussiane e algoritmi genetici per generare profili di strutture reticolari a gradiente funzionale lisce e prive di concentrazioni di stress.
Il paper presenta SA-DSVN, un'architettura di reti neurali a voxel che sfrutta la moltiplicità degli sciami elettromagnetici secondari insieme agli angoli di scattering dei muoni per rilevare con alta precisione i difetti strutturali nel calcestruzzo armato tramite tomografia a muoni cosmici.
Utilizzando la dinamica molecolare basata sull'apprendimento automatico, lo studio dimostra che l'innesto di catene laterali flessibili su un'impalcatura MOF cristallina innesca una transizione strutturale che distrugge il modello del gas fononico, riducendo drasticamente la conducibilità termica e trasformando il trasporto di calore da propagativo a diffusivo attraverso il confinamento dei modi fononici al limite di Ioffe-Regel.