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 teorico dimostra che la scelta del funzionale di correlazione elettrone-positrone è cruciale per prevedere accuratamente i tempi di vita dell'annichilazione in perovskiti di alogenuro di piombo, influenzando significativamente l'interpretazione sperimentale delle vacanze, specialmente per quelle sul sito del catione.
In questo quarto lavoro della serie, gli autori estendono il loro framework di chiusura dei momenti basato sull'apprendimento automatico all'equazione del trasporto radiativo in due dimensioni spaziali e angolari, introducendo un simmetrizzatore a blocchi che garantisce l'iperbolicità simmetrizzabile attraverso condizioni algebriche esplicite e una parametrizzazione naturale dei blocchi di chiusura.
Questo lavoro presenta un pipeline per costruire un grafo della conoscenza centrato sugli autori della ricerca sulle batterie, basato su OpenAlex e arricchito da descrittori semantici generati tramite KeyBERT e ChatGPT, che permette di identificare collaboratori e comunità scientifiche su scala globale superando i limiti delle analisi tradizionali basate sulle citazioni.
Utilizzando la dinamica molecolare basata sull'apprendimento automatico, lo studio rivela che lo scorrimento nei superreticoli di Moiré in ferroelectrici come il MoS₂ avviene attraverso una ricostruzione collettiva mediata da pareti di dominio con barriere ultrabasse, piuttosto che tramite una traslazione rigida, e che difetti come le vacanze di zolfo possono innescare una transizione verso un ancoraggio localizzato.
Questo articolo presenta uno strumento open-source basato sull'interpretabilità meccanicistica che analizza le rappresentazioni latenti dei modelli meteorologici AI, come GraphCast, per identificare combinazioni lineari di canali associati a caratteristiche meteorologiche interpretabili e aumentare la fiducia in questi sistemi.
Questo articolo propone un metodo di integrale di bordo basato su griglia cartesiana che utilizza variabili e solutori PDE veloci per risolvere in modo efficiente e stabile problemi di interfaccia mobile, come i flussi di Hele-Shaw e i problemi di Stefan.
Questo articolo presenta una procedura di stabilizzazione adattiva tramite iperviscosità per il metodo RBF-FD, che determina automaticamente il coefficiente di iperviscosità in base al raggio spettrale della matrice di evoluzione, permettendo di risolvere equazioni di trasporto dominate dall'avvezione su domini senza confini con stencili ridotti e un'efficienza computazionale migliorata.
Questo studio presenta un'analisi computazionale dell'accelerazione sintetica di diffusione (DSA) per le equazioni di trasporto discretizzate con un metodo di Galerkin discontinuo su mesh poliedriche, dimostrando che la variante con penalità interna modificata (MIP) garantisce una convergenza robusta e superiore rispetto alla formulazione simmetrica classica (SIP), specialmente in regimi otticamente spessi e altamente diffusivi.
Il documento presenta un nuovo quadro matematico di inversione iterativa che combina tecniche di recupero di fase con metodi di inversione di Fourier non uniformi per ricostruire efficientemente la struttura 3D di nanostrutture isolate dai dati di imaging di scattering coerente superficiale, superando le sfide poste dalla diffusione dinamica e dal campionamento non uniforme.
Questo lavoro propone un operatore neurale differenziabile e fisicamente informato, addestrato con strategie di apprendimento attivo, per mappare in modo efficiente le configurazioni microstrutturali sui diagrammi di rottura dei materiali granulari, abilitando previsioni dirette e identificazione inversa senza costose simulazioni micromeccaniche ripetute.