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 studio presenta e implementa in LAMMPS uno schema di integrazione numerica reversibile e conservativo dell'energia per le equazioni di moto di Sllod, dimostrando come tale approccio corregga errori sistematici nella viscosità calcolata, specialmente ad alti tassi di flusso, garantendo simulazioni più accurate di flussi omogenei.
Il paper introduce un surrogato profondo potenziato dalla fisica (PEDS) che combina un risolutore di Fourier differenziabile con un generatore neurale e l'apprendimento attivo guidato dall'incertezza per risolvere in modo efficiente ed economico l'equazione di trasporto di Boltzmann per i fononi, consentendo la progettazione rapida e accurata di materiali termici nanostrutturati con un ridotto fabbisogno di dati ad alta fedeltà.
Questo studio utilizza simulazioni numeriche dirette di turbolenza isotropa per analizzare le funzioni di struttura della velocità di Lagrange, rivelando che il comportamento osservato è influenzato sia dalla limitata gamma di scale temporali rispetto a quelle spaziali sia dagli effetti degli spostamenti delle particelle, che generano contributi convettivi e locali soggetti a una cancellazione parziale dipendente dal numero di Reynolds.
Questo articolo presenta un framework di progettazione inversa basato sull'apprendimento automatico per ottimizzare sistematicamente risonatori a microonde tridimensionali, al fine di generare modi con elicità elettromagnetica non nulla e identificare principi di design fisici robusti rispetto alle tolleranze di fabbricazione.
Questo studio introduce per la prima volta l'uso delle tensor train per comprimere efficientemente i manifold di fiammaletti instazionari multidimensionali nella fluidodinamica computazionale delle reazioni chimiche, ottenendo una significativa riduzione della memoria e un'accelerazione del calcolo senza compromettere l'accuratezza della simulazione.
Il paper introduce SimulCost, il primo benchmark e toolkit open-source progettato per valutare l'efficienza dei costi degli agenti LLM nell'ottimizzazione di simulazioni fisiche, rivelando che, sebbene i modelli multi-round migliorino l'accuratezza, i costi computazionali e i tempi di esecuzione li rendono attualmente meno economici rispetto ai metodi di scansione tradizionali.
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.
Questo articolo sviluppa un metodo di Decomposizione Ortogonale Localizzata (LOD) per l'equazione di Schrödinger non lineare dipendente dal tempo con operatore d'onda in due dimensioni, dimostrando la conservazione delle leggi fisiche, l'unicità della soluzione numerica e l'ottenimento di stime di errore ottimali superconvergenti in senza restrizioni sul passo temporale, confermate da simulazioni numeriche.
Questo studio presenta un benchmark unificato per problemi di flusso elettro-idrodinamico stazionario bidimensionale con caratteristiche simili a shock, dimostrando che un approccio basato su LSTM-PINN supera le architetture tradizionali nella risoluzione di gradienti ripidi e strutture multiscala con elevata precisione ed efficienza computazionale.
Questo studio teorico e numerico su un sistema antiferromagnetico altermagnetico distingue le origini dell'effetto Hall anomalo, identificando un contributo convenzionale legato alla magnetizzazione netta e uno cristallino, e rivela una simmetria rotazionale nascosta che protegge l'equivalenza delle componenti di conduttività trasversale.