1223 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 presenta l'implementazione nel modulo GPU4PySCF di PySCF di un algoritmo multigrid Gaussian-Plane-Wave accelerato via GPU, che garantisce fino a un 25x di velocità rispetto alle versioni CPU per calcoli di densità funzionale su sistemi con migliaia di atomi, abilitando simulazioni dinamiche e calcoli ad alto rendimento.
Questo studio confronta le analisi modali basate su dati (POD e DMD) del flusso instabile in una turbina assiale a 1,5 stadi, dimostrando che le varianti DMD con criteri di ampiezza e sparsità offrono ricostruzioni accurate e dinamiche superiori alla POD, mentre le correlazioni tra le modalità dominanti e l'efficienza adiabatica rivelano l'influenza critica delle configurazioni di clocking statorico.
Questo studio presenta un modello di reazione-avvezione-diffusione che spiega la formazione di pattern non uniformi e multipli anelli nei sensori colorimetrici su substrati porosi, dimostrando che tali fenomeni dipendono dalla dinamica di trasporto di massa e dalle interazioni specie-substrato piuttosto che solo dall'effetto anello da caffè, fornendo così indicazioni cruciali per l'ottimizzazione del design dei sensori.
Questo studio propone un nuovo metodo adattivo ibrido che combina il metodo dei volumi finiti euleriano e l'idrodinamica delle particelle lisce lagrangiana per simulare flussi a superficie libera con maggiore accuratezza ed efficienza rispetto agli approcci SPH tradizionali.
Questo studio dimostra che l'integrazione della generazione di seconda armonica (SHG) nelle reti neurali diffrattive ottiche migliora significativamente le prestazioni di classificazione, fornendo una via praticabile per realizzare reti neurali non lineari a tutto ottica con specifiche indicazioni sul posizionamento degli strati e sull'efficienza energetica.
Il paper presenta un nuovo framework che combina il Monte Carlo variazionale basato su deep learning trasferibile con la regressione di processo gaussiano per abilitare l'ottimizzazione geometrica *ab initio* ad alta accuratezza di sistemi fortemente correlati, consentendo l'esplorazione efficiente di superfici di energia potenziale complesse, inclusi stati eccitati e processi di rottura dei legami.
Questo articolo propone un framework di operatore neurale informato dalla fisica (PINO) che, integrando una funzione di perdita ibrida e diverse architetture di operatori neurali, risolve in modo rapido, accurato e unificato i problemi di scattering inverso elettromagnetico, superando le prestazioni dei metodi tradizionali come l'inversione della sorgente di contrasto (CSI) in scenari con dati multi-frequenza e privi di fase.
Questo articolo dimostra come incorporare le simmetrie reticolari e PT nel gruppo di rinormalizzazione di rete tensoriale (TNRG) bidimensionale attraverso uno studio di caso sul gas reticolare hard-square, proponendo uno schema che ne estende l'applicabilità allo studio di transizioni di fase continue caratterizzate dalla rottura spontanea di tali simmetrie.
Gli autori sviluppano un potenziale interatomico basato sull'apprendimento automatico (NEP) per le leghe CrCoNi che, addestrato su dati *ab initio* spin-polarizzati, offre un'accuratezza quasi *ab initio* e un'elevata efficienza computazionale su tutto lo spazio composizionale, permettendo simulazioni atomistiche su larga scala di leghe equimolari e non equimolari con ordine a corto raggio.
Lo studio utilizza simulazioni di dinamica molecolare per analizzare come l'impatto di un nanocluster di argon su un foglio di grafene libero generi onde di deflessione trasversale e riscaldamento termico, fenomeni che sono rispettivamente descritti dalla teoria dell'elasticità lineare e dal principio della minima dissipazione.