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 articolo propone una soluzione puramente spaziale che, ridisegnando gli operatori di derivata ai nodi adiacenti al bordo, ripristina l'ordine di convergenza teorico nell'integrazione di problemi iperbolici con condizioni al contorno dipendenti dal tempo, superando il fenomeno di riduzione dell'ordine tipico dei metodi Runge-Kutta espliciti.
Questo articolo presenta metodi di trasporto ibrido multilivello (MLHT) che combinano approcci Monte Carlo e deterministici per risolvere l'equazione di trasporto di Boltzmann, dimostrando una convergenza debole e un'efficienza computazionale ottimizzata nei problemi di trasporto in slab unidimensionali.
Questo articolo introduce il numero speciale sulla regressione simbolica nelle scienze fisiche, delineandone i fondamenti concettuali, le applicazioni pratiche, le sfide metodologiche e le prospettive future, con l'obiettivo di evidenziare il suo crescente ruolo nella scoperta di relazioni matematiche interpretabili dai dati.
Questo lavoro presenta un metodo di ottimizzazione bayesiana generalizzato basato sulla riparametrizzazione probabilistica che, permettendo l'ottimizzazione basata su gradienti in spazi di ricerca misti con variabili discrete non equidistanti, offre un quadro pratico ed efficiente per la risoluzione di problemi scientifici complessi, inclusi quelli in laboratori autonomi.
Questo studio introduce modelli temporali di ipergrafi guidati dai nodi, in cui dinamiche stocastiche di attività individuale generano processi di eventi collettivi con distribuzioni di tempi inter-eventi a coda lunga e correlazioni temporali, spiegando così i pattern bursty osservati nei dati empirici delle interazioni di gruppo.
Il documento sostiene che, per gestire la complessità spaziale e temporale nella progettazione della nanofotonica, sia fondamentale affiancare agli strumenti di simulazione e progettazione "black-box" una profonda comprensione fisica dei fenomeni.
Questo articolo sostiene che i campi di forza ibridi differenziabili, combinando forme funzionali fisiche con correzioni a rete neurale, risolvono il trilemma tra velocità, accuratezza e calibrabilità, abilitando la scoperta autonoma di elettroliti attraverso simulazioni ad alto rendimento e un paradigma di calibrazione duale.
Il paper propone le TACNN, un'architettura di reti neurali convolutive superficiali che sostituisce i kernel tradizionali con tensori generici per catturare correlazioni di alto ordine, ottenendo prestazioni competitive su Fashion-MNIST con una frazione dei livelli necessari ai modelli profondi convenzionali.
Questo studio introduce un framework di analisi topologica sensibile alla direzione che, integrando l'asse di compressione nei descrittori topologici, migliora significativamente la previsione del modulo di Young in materiali porosi anisotropi, raggiungendo prestazioni comparabili alle reti neurali convoluzionali pur mantenendo una rappresentazione compatta e trasferibile.
Il paper presenta SMC-AI, un framework algoritmico che sfrutta acceleratori AI come GPU e NPU per eseguire simulazioni Monte Carlo canoniche su una scala senza precedenti di 4 trilioni di atomi, stabilendo un nuovo record di efficienza e scalabilità per le simulazioni atomistiche accelerate dall'intelligenza artificiale.