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 lavoro presenta un quadro unificato di apprendimento automatico che combina potenziali interatomici appresi da machine learning con la teoria del funzionale della densità classica neurale per modellare in modo efficiente e accurato il comportamento termodinamico dei liquidi su più scale, partendo esclusivamente dalle interazioni microscopiche quantistiche.
Il paper propone modelli di diffusione condizionali a forma chiusa per l'assimilazione dei dati, che sfruttano la stima della densità di probabilità tramite kernel per operare efficacemente in contesti "black-box" e superano i filtri tradizionali come l'Ensemble Kalman e il Particle Filter nella gestione di sistemi non lineari e distribuzioni non gaussiane.
Lo studio dimostra che l'uso di due impulsi laser co-propaganti e sincronizzati in fase, con una separazione temporale pari a un quarto della lunghezza d'onda del plasma, permette di amplificare l'ampiezza dell'onda di wakefield fino a tre volte rispetto a quella generata da un singolo impulso.
Questo lavoro propone un metodo robusto basato sull'analisi di Fourier e sulla classificazione statistica per identificare e distinguere in modo sistematico gli stati chimera da altri regimi dinamici in sistemi di oscillatori accoppiati, dimostrando la sua efficacia su segnali topologici e la sua generalità applicabile a diverse reti complesse.
Lo studio dimostra che nelle antiferromagneti sintetiche CoFeB/Ru/CoFeB, le onde di spin acustiche possono trasferire energia in modo unidirezionale su un ampio intervallo di vettori d'onda grazie a una forte non-reciprocità di frequenza indotta dalle interazioni dipolari tra gli strati.
Lo studio rivela una sorprendente simmetria a due lobi nell'assorbimento di onde acustiche di superficie da parte di un film sottile di CoFeB, attribuibile a una debole anisotropia unassiale nel piano che persiste anche quando le interazioni dipolari diventano trascurabili.
Questo articolo propone un approccio di sensing virtuale basato sull'apprendimento automatico per stimare con elevata precisione lo stato di degradazione dello strato di saldatura e le mappe termiche complete nei moduli IGBT, utilizzando un numero limitato di sensori fisici e dati sintetici.
Questo articolo presenta FESTIM v2.0, un aggiornamento significativo del framework open-source per la modellazione del trasporto di idrogeno, che introduce una struttura modulare per il trasporto multi-specie e reazioni avanzate, generalizza le condizioni al contorno e migra il codice su DOLFINx per migliorare prestazioni e sostenibilità.
Questo studio esamina le firme osservative dei buchi neri di Anti-de Sitter con carica magnetica nella teoria di Euler-Heisenberg ispirata alle stringhe, analizzando ombre, orbite stabili e frequenze quasi-periodiche per stabilire che, sebbene la carica magnetica modifichi significativamente la dinamica della luce e delle particelle, i dati osservativi attuali impongono solo vincoli moderati sulla sua entità.
Questo studio introduce il Principio di Incertezza Neurale (NUP), che unifica la fragilità avversaria nelle visioni e le allucinazioni nei LLM sotto un unico limite geometrico, proponendo metodi pratici come ConjMask e LogitReg per migliorare la robustezza e rilevare i rischi di allucinazione senza costosi addestramenti avversari.