1164 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.
Il paper presenta SPRAY, un nuovo codice di idrodinamica radiativa basato su particelle lisce (SPH) e accelerato su GPU, progettato per simulare in modo accurato e affidabile le interazioni laser-plasma ad alta intensità, risolvendo le sfide numeriche delle deformazioni fluide complesse attraverso un approccio mesh-free e Lagrangiano.
Questo lavoro presenta il primo sistema di tomografia del fascio a 6 dimensioni completamente autonomo, basato sull'apprendimento automatico, implementato sulla linea DIAG0 di LCLS-II per monitorare in tempo reale e con alta fedeltà la distribuzione dello spazio delle fasi del fascio durante le operazioni di routine.
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 lavoro introduce un kernel analitico per il prodotto Hessian-vettore basato sulla propagazione ricorsiva degli stati tangenti, che abilita l'ottimizzazione di secondo ordine scalabile delle reti tensoriali, migliorando drasticamente la fedeltà e la convergenza nella compressione dei circuiti quantistici rispetto ai metodi del primo ordine.
Attraverso calcoli di primo principio, lo studio dimostra che i reticoli carboniosi bidimensionali di tipo azulenoido-kekulene (AKC) realizzano una fase di isolante topologico di ordine superiore protetta dalla simmetria rotazionale , caratterizzata da invarianti topologici non banali, cariche d'angolo frazionate e stati d'angolo esotici robusti rispetto alle modifiche strutturali.
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.
Il paper presenta un metodo approssimato basato sulla teoria delle perturbazioni del primo ordine con confini spostati per caratterizzare in modo efficiente le distribuzioni di frequenza di risonanza e dei fattori di qualità di cavità ottiche e nanoparticelle plasmoniche deformate casualmente, offrendo un'alternativa valida alle costose analisi statistiche basate su calcoli numerici diretti.
Il paper propone un framework di inferenza basato su simulazione (SBI) che, sfruttando stime neurali amortizzate, permette un monitoraggio in tempo reale e ad alta velocità dello stato di salute degli scambiatori di calore, offrendo una quantificazione dell'incertezza accurata e un'accelerazione di 82 volte rispetto ai tradizionali metodi MCMC.