🔬 Category

physics.comp-ph

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.

Hierarchical Bayesian calibration of mesoscopic models for ultrasound contrast agents from force spectroscopy data

Questo studio presenta un flusso di lavoro di calibrazione bayesiana gerarchica accelerato da reti neurali profonde per sviluppare modelli DPD basati sui dati delle proprietà meccaniche di microbolle incapsulate (Definity e SonoVue), superando le sfide computazionali dell'inferenza diretta e consentendo la creazione di modelli su misura per una vasta gamma di agenti di contrasto ultrasonico.

Brieuc Benvegnen, Nikolaos Ntarakas, Tilen Potisk, Ignacio Pagonabarraga, Matej Praprotnik2026-04-16🔬 cond-mat.mes-hall

NEPMaker: Active learning of neuroevolution machine learning potential for large cells

Il paper presenta NEPMaker, un framework di apprendimento attivo basato sull'ottimalità D che integra il potenziale neuroevolutivo (NEP) in GPUMD per generare potenziali di machine learning affidabili e scalabili per sistemi materiali complessi, riducendo gli errori di estrapolazione nelle simulazioni su larga scala attraverso l'identificazione e l'ottimizzazione on-the-fly degli ambienti atomici.

Junjie Wang, Shuning Pan, Haoting Zhang, Qiuhan Jia, Chi Ding, Zheyong Fan, Jian Sun2026-04-16🔬 physics

MolCryst-MLIPs: A Machine-Learned Interatomic Potentials Database for Molecular Crystals

Il paper presenta MolCryst-MLIPs, un database aperto di potenziali interatomici appresi tramite machine learning per nove sistemi di cristalli molecolari, sviluppato attraverso una pipeline automatizzata e validato per simulazioni di dinamica molecolare produttive.

Adam Lahouari, Shen Ai, Jihye Han, Jillian Hoffstadt, Philipp Hoellmer, Charlotte Infante, Pulkita Jain, Sangram Kadam, Maya M. Martirossyan, Amara McCune, Hypatia Newton, Shlok J. Paul, Willmor Pena (…)2026-04-16🤖 cs.LG

Symmetry-protected coexistence of a nodal surface and multiple types of Weyl fermions in P63P6_3-B30\text{B}_{30}

Questo studio identifica l'allotrobo del boro P63P6_3-B30\text{B}_{30} come un semimetallo topologico spinless ideale in cui la simmetria protegge la coesistenza di una superficie nodale bidimensionale e di molteplici tipi di fermioni di Weyl, offrendo una piattaforma unica per indagare la fisica delle eccitazioni topologiche multidimensionali.

Xiao-Jing Gao, Yanfeng Ge, Yan Gao2026-04-16🔬 cond-mat.mtrl-sci

Teaching Artificial Intelligence to Perform Rapid, Resolution-Invariant Grain Growth Modeling via Fourier Neural Operator

Questo studio introduce un modello surrogato basato sull'Operatore Neurale di Fourier (FNO) che, integrando il metodo di campo di fase, permette una modellazione rapida e invariante alla risoluzione dell'evoluzione dei grani nei materiali, superando i limiti computazionali e di generalizzazione delle simulazioni tradizionali.

Iman Peivaste, Ahmed Makradi, Salim Belouettar2026-04-15🔬 physics

Body-Free Simulation of Three-Dimensional Turbulent Cylinder Wakes

Questo studio presenta un framework di simulazione "senza corpo" che, risolvendo le equazioni di Navier-Stokes in un dominio semplificato con profili di ingresso derivati da dati sperimentali o DNS, ricostruisce con successo la dinamica turbolenta tridimensionale delle scie cilindriche a diversi numeri di Reynolds, dimostrando che le instabilità della regione di scia prossima sono sufficienti a governare la dinamica del flusso senza la necessità di risolvere esplicitamente il corpo.

Zhicheng Wang, Theo Käufer, Khemraj Shukla, Michael Triantafyllou, George Em Karniadakis2026-04-15🔬 physics

Fast and principled equation discovery from chaos to climate

Il paper presenta Bayesian-ARGOS, un framework ibrido che combina screening frequentista e inferenza bayesiana per scoprire in modo automatico, efficiente e con quantificazione dell'incertezza le equazioni governative di sistemi complessi, superando i metodi esistenti in termini di efficienza dei dati, tolleranza al rumore e costo computazionale, con applicazioni che spaziano dai sistemi caotici alla dinamica climatica.

Yuzheng Zhang, Weizhen Li, Rui Carvalho2026-04-15🤖 cs.LG