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 studio quantifica l'influenza delle condizioni ambientali atmosferiche sui sistemi convettivi di mesoscala negli oceani tropicali, rivelando che la convergenza di umidità, l'instabilità atmosferica e il vapore acqueo integrato nella colonna sono i fattori determinanti principali che spiegano circa il 50% della varianza nella frequenza e nelle precipitazioni associate.
Questo studio quantifica il meccanismo di feedback bidirezionale tra l'Oscillazione di Madden-Julian e i sistemi convettivi mesoscalari, dimostrando che mentre l'oscillazione modula l'ambiente che organizza l'attività convettiva, l'attività collettiva di questi sistemi contribuisce attivamente al mantenimento e alla propagazione dell'oscillazione stessa attraverso il trasporto di momento e calore.
Questo articolo offre una panoramica degli approcci basati su dati e machine learning per accelerare le simulazioni dei difetti puntuali nei materiali solidi, evidenziando come modelli surrogati e potenziali interatomici addestrati su dati DFT consentano previsioni rapide e accurate delle proprietà dei difetti, inclusi gli effetti termodinamici a temperature finite, e ne discuta l'integrazione con i dati sperimentali.
Il paper presenta DiffSRDA, un framework di assimilazione dati probabilistico basato su modelli di diffusione che, addestrato offline su previsioni a bassa risoluzione, genera efficientemente analisi ad alta risoluzione con stime di incertezza fisicamente significative e si adatta a nuove configurazioni di sensori senza necessità di riaddestramento.
Il paper presenta JAX-BEM, un risolutore differenziabile del Metodo degli Elementi al Contorno basato su JAX che, pur mantenendo la precisione dei codici tradizionali, abilita l'ottimizzazione basata su gradienti per la progettazione di forme acustiche complesse.
Il paper presenta un'interfaccia integrata in GROMACS che permette l'uso flessibile di potenziali neurali addestrati con PyTorch per simulazioni ibride ML/MM, facilitando l'applicazione di questi metodi avanzati a sistemi biomolecolari complessi.
Il documento presenta Pi-PINN, un approccio di apprendimento trasferibile per le reti neurali informate dalla fisica (PINN) che, sfruttando un'adattamento a testa in forma chiusa tramite pseudoinversa, risolve rapidamente e con alta precisione nuove equazioni differenziali parziali anche in assenza di dati di addestramento.
Questo studio propone un framework abilitato dall'IA agenziale che integra modelli linguistici di grandi dimensioni con modelli fisici leggeri per valutare in modo autonomo il comfort termico e il consumo energetico degli edifici nei quartieri urbani tropicali, facilitando la progettazione di strategie di raffreddamento climatico resilienti.
Questo articolo presenta una soluzione adattiva senza mesh per la convezione naturale di fluidi non newtoniani in una cavità riscaldata differenzialmente, dimostrando come l'adattamento della densità dei nodi computazionali migliori l'efficienza numerica catturando accuratamente gli strati limite sottili tipici di tali flussi.
Questo studio indaga la fase supersolida di bosoni soft-core bidimensionali a temperatura finita, combinando l'approssimazione di Hartree-Fock autoconsistente e simulazioni Monte Carlo quantistiche per caratterizzare le transizioni di fase, identificare una vasta regione supersolida e un'eventuale fase esattica intermedia, validando così l'efficacia del metodo Hartree-Fock come strumento complementare alle simulazioni intensive.