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 dimostra come costruire disuguaglianze quadratiche non convesse per diverse equazioni fisiche, permettendo di derivare limiti per problemi di progettazione fisica con obiettivi quadratici o rapporti di quadrati, le quali risultano equivalenti alle equazioni originali sotto una condizione tecnica verificabile.
Questo articolo propone un modello statistico basato sull'ensemble canonico e sul modello a goccia nucleare per calcolare la distribuzione delle dimensioni dei cluster di ionizzazione in nanodosimetria, dimostrando la sua fattibilità per primari a bassa energia in nanovolumi dove i modelli a traiettoria non sono applicabili.
Questo studio presenta una simulazione fluidodinamica 2D ispirata alla meccanica quantistica che utilizza stati di prodotto matriciale (MPS) e l'accelerazione GPU tramite la libreria cuQuantum di NVIDIA per risolvere le equazioni di Navier-Stokes a numeri di Reynolds elevati, ottenendo un'accelerazione fino a 12,1 volte e dimostrando un potenziale vantaggio computazionale rispetto alle simulazioni numeriche dirette nella regime turbolento.
Questo studio presenta un metodo di previsione della struttura cristallina basato su un algoritmo genetico migliorato e un potenziale di rete neurale universale (PFP) che, preservando la diversità strutturale e applicando meccanismi di selezione elitaria, supera i metodi esistenti nell'esplorazione efficiente dei diagrammi di fase multicomponente con un minor numero di calcoli.
Il paper introduce un metodo bayesiano flessibile per la stima della densità spettrale di potenza del rumore di LISA, che combina un modello parametrico con una componente non parametrica basata su spline penalizzate, garantendo accuratezza e riducendo la complessità computazionale rispetto alle tecniche tradizionali.
Questo lavoro presenta un algoritmo quantistico end-to-end e tollerante ai guasti per l'ottimizzazione topologica che, riformulando il problema come una ricerca combinatoria risolta tramite l'algoritmo di Grover e calcolando la compliance con metodi agli elementi finiti quantistici, dimostra una velocità quadratica rispetto alla ricerca classica su spazi di progetto esponenziali.
Il paper presenta CaloClouds3, un modello di simulazione rapida basato su point cloud che, grazie a dati di addestramento indipendenti dalla posizione e a un condizionamento angolare, replica con alta precisione gli sciami di fotoni in tutto il barrel del rivelatore, offrendo un'accelerazione di due ordini di grandezza rispetto a Geant4.
Lo studio analizza, tramite simulazioni fluidodinamiche ad alta risoluzione, come l'attacco idrodinamico e l'attivazione dinamica delle pareti influenzino il trasporto di goccioline d'olio in tubi deformabili, rivelando che quest'ultimo meccanismo sfrutta un effetto di risonanza per ottimizzare la mobilizzazione.
Questo studio dimostra come le nanoantenne plasmoniche toroidali permettano di commutare programmabilmente le transizioni molecolari con un'efficienza del 99,9%, offrendo una piattaforma promettente per sensori ad alta sensibilità e dispositivi di elaborazione fotonica quantistica.
Questo articolo presenta l'applicazione pionieristica di una rete neurale fisica quantistico-classica (QCPINN) basata su variabili discrete per risolvere quattro modelli di filtrazione nei giacimenti, dimostrando che l'integrazione di circuiti quantistici migliora l'accuratezza e l'efficienza rispetto alle reti neurali fisiche classiche in scenari di flusso monofase e bifase.