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 offre un'analisi esaustiva di 35 pacchetti software per l'algoritmo DMRG, evidenziando la sovrapposizione delle funzionalità e la necessità di una maggiore modularità e standardizzazione per ridurre la duplicazione degli sforzi e migliorare l'interoperabilità, suggerendo che le attuali frammentazioni siano di natura sociale piuttosto che tecnica.
Il paper presenta PHLieNet, un framework basato su iperreti che apprende una mappatura globale dallo spazio dei parametri a un embedding latente per generare dinamicamente i pesi di una rete di previsione, consentendo così una generalizzazione efficace e adattiva nei sistemi dinamici complessi attraverso l'interpolazione e l'estrapolazione nello spazio dei parametri.
Questo studio utilizza calcoli di prima principio per progettare e identificare otto nuovi materiali bidimensionali M2A2Z4, in particolare Al2Si2N4 e Al2Ge2N4, come fotocatalizzatori stabili ed efficienti per la scissione completa dell'acqua, la cui attività è ulteriormente potenziata dalla creazione di vacanze di azoto.
Questo studio presenta e convalida un nuovo modello CFD tridimensionale macroscopico per la progettazione di adsorbitori a letto fisso, il quale, integrando termini sorgente volumetrici che considerano l'occupazione dei pori, dimostra di prevedere con precisione le curve di breakthrough e di migliorare la produttività del processo di cattura della CO2 grazie a una geometria ottimizzata con maggiore superficie.
Il lavoro presenta GPU-MetaD, un pacchetto di metadinamica accelerato su GPU che integra potenziali basati sull'apprendimento automatico per simulare eventi rari in sistemi materiali su larga scala con precisione ab-initio, rivelando nuovi meccanismi di nucleazione nel nitruro di gallio.
Questo lavoro valuta il metodo di Boltzmann su reticolo come approccio numerico nel dominio del tempo per lo scattering di onde elettromagnetiche, dimostrando attraverso confronti con soluzioni analitiche e semi-analitiche la sua accuratezza e l'efficienza computazionale su una varietà di geometrie e contrasti dielettrici.
Il paper presenta procedure numeriche e ricette pratiche per generare diverse distribuzioni di velocità non-Maxwelliane, tra cui distribuzioni , kappa, ad anello, a guscio e super-Gaussiane, destinate alle simulazioni di particelle.
Questo studio dimostra che un agente di apprendimento per rinforzo, basato su rappresentazioni di grafi geometrici, può ottimizzare in modo efficace e trasferibile l'ordinamento degli elementi in nanoparticelle bimetalliche, identificando stati fondamentali noti e generalizzando a dimensioni non viste, sebbene con efficacia ridotta in presenza di più elementi leganti.
Questo lavoro propone un framework scalabile che, sfruttando simulazioni di sistemi microscopici di piccole dimensioni e uno schema di evoluzione parziale, apprende con successo la dinamica stocastica macroscopica di sistemi fisici estesi, superando così i limiti computazionali delle simulazioni dirette su larga scala.
Lo studio analizza 66 eventi della terza raccolta di dati delle onde gravitazionali per dimostrare che l'incertezza sui modelli di popolazione binaria compatta, in particolare le preferenze di accoppiamento e le distribuzioni di rotazione, influenza significativamente la probabilità di classificare gli oggetti nella "lacuna di massa inferiore" come stelle di neutroni, rendendo talvolta ambigue le identificazioni di eventi come GW230529 e GW190425.