1201 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 presenta una metodologia generale per stimare i parametri di sistemi oscillatori stocastici, come quelli meccanici uditivi, minimizzando una nuova funzione di costo ponderata che integra densità spettrale di potenza, segnale analitico e attraversamenti di posizione tramite evoluzione differenziale.
Questo articolo introduce i Point Group Order Parameters (PGOP), un nuovo insieme di parametri d'ordine sviluppati per quantificare in modo continuo la simmetria di gruppo puntuale nei sistemi di particelle complesse e implementati nel pacchetto open-source SPATULA.
Questo lavoro propone un metodo per incorporare la simmetria di riflessione reticolare nel gruppo di rinormalizzazione di rete tensoriale con filtraggio dell'entanglement in due e tre dimensioni, introducendo una tecnica di trasposizione che preserva tale simmetria nelle operazioni fondamentali e permette di estrarre le dimensioni di scaling per ciascun settore.
Questo studio introduce un nuovo framework computazionale basato su flussi normalizzanti che mappa direttamente le configurazioni solventi tra soluti di dimensioni diverse, dimostrando di essere un'alternativa promettente ed efficiente ai metodi tradizionali per il calcolo accurato delle energie di solvatazione.
Il paper propone l'UM-PINN, un framework probabilistico che risolve le difficoltà delle reti neurali fisicamente informate nella cattura di onde d'urto nei flussi comprimibili, bilanciando dinamicamente i residui delle equazioni differenziali tramite incertezza spaziotemporale e campionamento di Sobol per ottenere una precisione significativamente superiore rispetto ai metodi esistenti.
Questo lavoro presenta l'algoritmo di interpolazione crociata alternata (ACI), che esegue operazioni elemento per elemento su tensor train con complessità e controllo dell'errore, offrendo un significativo miglioramento delle prestazioni rispetto ai metodi esistenti che scalano come .
Il paper introduce PhysVEC, un framework multi-agente automatizzato che integra meccanismi di verifica e auto-correzione per garantire l'affidabilità e l'interpretabilità delle ricerche fisiche guidate dall'IA, dimostrando prestazioni superiori su un nuovo benchmark di 100 compiti relativi alla fisica quantistica a molti corpi.
Questo lavoro presenta un metodo numerico innovativo basato sulla formulazione variazionale ultradebole del modello di Maxwell a inviluppo e sul metodo di Petrov-Galerkin discontinuo (DPG) per calcolare con precisione le perdite di confinamento nei waveguide ottici tridimensionali curvi, risolvendo il problema come un problema ai valori al contorno con condizioni al contorno PML adattive.
Questo lavoro presenta un atlante neurale basato su coordinate volumetriche sovrapposte che sostituisce la generazione di mesh tradizionali per risolvere problemi ai valori al contorno su geometrie 3D complesse, permettendo l'uso flessibile di diversi solvi su un'unica rappresentazione geometrica differenziabile.
Il paper propone il "Predictor-Driven Diffusion", un framework che unisce il raggruppamento spaziale basato sul gruppo di rinormalizzazione e la formulazione integrale di percorso per la dinamica temporale, permettendo di catturare l'influenza statistica delle fluttuazioni su piccola scala sull'evoluzione su larga scala e unificando simulazione, generazione incondizionata e super-risoluzione in un unico modello validato su sistemi turbolenti multiscala.