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.

A P-Adaptive Hybridizable Discontinuous Galerkin Spectral Element Method for Electrostatic Particle-in-Cell Simulations

Questo articolo presenta un metodo ibrido discontinuo di Galerkin spettrale (HDG-SEM) p-adattivo implementato nel framework open-source PICLas per risolvere efficientemente l'equazione di Poisson nelle simulazioni elettrostatiche plasma-particella, riducendo i gradi di libertà globali concentrando il calcolo computazionale nelle regioni con forti gradienti.

Tobias Ott, Marcel Pfeiffer, Stephen Copplestone2026-04-02🔬 physics

Parameter-Efficient Fine-Tuning of Machine-Learning Interatomic Potentials for Phonon and Thermal Properties

Il paper introduce Equitrain, un framework di fine-tuning basato su LoRA che, applicato a 53 sistemi materiali, dimostra come l'adattamento efficiente di potenziali interatomici basati su machine learning con pochi dati aggiuntivi migliori significativamente la previsione delle proprietà fononiche e termiche rispetto ai modelli pre-addestrati o addestrati da zero.

Jonas Grandel, Philipp Benner, Janine George2026-04-02🔬 cond-mat.mtrl-sci

Simulated Bifurcation Quantum Annealing

Il paper introduce l'Algoritmo di Ricottura Quantistica Simulata per Biforcazione (SBQA), un metodo di ottimizzazione ispirato al quantum che, integrando interazioni tra repliche per simulare l'effetto tunnel, supera le prestazioni dell'algoritmo SBM su paesaggi energetici sparsi e accidentati, offrendo una solida baseline classica per problemi complessi.

Jakub Pawłowski, Paweł Tarasiuk, Jan Tuziemski, Łukasz Pawela, Bartłomiej Gardas2026-04-02⚛️ quant-ph

A multiphysics model for triboelectric nanogenerator design with explicit surface roughness representation

Questo articolo presenta un modello multiphysics basato sugli elementi finiti che, integrando rappresentazioni esplicite della rugosità superficiale con analisi meccaniche ed elettrostatiche, permette di progettare e ottimizzare con maggiore precisione i generatori nanotriboelettrici rispetto ai modelli analitici approssimati.

MD Tanzib Ehsan Sanglap, Jack Perris, Rudra Mukherjee, Charchit Kumar, Lukasz Kaczmarczyk, Chris J. Pearce, Daniel M. Mulvihill, Andrei G. Shvarts2026-04-02🔬 physics.app-ph

Principal component analysis of wavefunction snapshots in non-equilibrium dynamics

Questo studio dimostra come l'analisi delle componenti principali applicata alle istantanee della funzione d'onda possa massimizzare l'informazione contenuta nei dati e collegarla a osservabili fisiche, permettendo di spiegare le dinamiche quantistiche non equilibrate di catene di spin di Heisenberg e di estrarre correlazioni di ordine superiore.

Dharmesh Yadav, Devendra Singh Bhakuni, Bijay Kumar Agarwalla2026-04-02⚛️ quant-ph

Machine learning surrogate models of many-body dispersion interactions in polymer melts

Questo lavoro presenta un modello surrogato basato sull'apprendimento automatico, derivato da un'architettura SchNet ottimizzata, che predice con alta accuratezza ed efficienza le interazioni di dispersione a molti corpi (MBD) nei fusi polimerici, superando i limiti computazionali che ne impediscono l'uso su larga scala.

Zhaoxiang Shen, Raúl I. Sosa, Jakub Lengiewicz, Alexandre Tkatchenko, Stéphane P. A. Bordas2026-04-01🤖 cs.LG

Faster Random Walk-based Capacitance Extraction with Generalized Antithetic Sampling

Questo lavoro presenta un nuovo metodo universale di riduzione della varianza basato su un campionamento antitetico generalizzato che, risultando complementare alle tecniche esistenti, accelera significativamente l'estrazione della capacità tramite camminate casuali fluttuanti riducendo fino al 50% il numero di percorsi necessari e i tempi di calcolo.

Periklis Liaskovitis, Marios Visvardis, Efthymios Efstathiou2026-04-01📊 stat