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.
Lo studio utilizza simulazioni numeriche dirette per dimostrare che gli effetti termodiffusivi nelle fiamme turbolente di idrogeno-aria povere alterano significativamente la dinamica della superficie della fiamma e le fluttuazioni del tasso di rilascio di calore, intensificando la radiazione acustica a basse frequenze rispetto alle fiamme di metano stabili.
Il documento presenta un metodo numerico stabile ed efficiente per risolvere problemi di scattering acustico multiscatterer, che combina la semplicità implementativa del metodo delle soluzioni fondamentali (MFS) per la costruzione locale di operatori di scattering con un sistema lineare globale ben condizionato risolvibile tramite metodi iterativi accelerati.
Il paper predice l'esistenza di nanotubi di fosfuro di carbonio (NTs) come una nuova classe di materiali unidimensionali stabili che ospitano intrinsecamente fermioni di Dirac e bande piatte al livello di Fermi, offrendo una piattaforma versatile per fenomeni quantistici correlati e applicazioni nella spintronica.
Il paper introduce le Effective Field Neural Networks (EFNN), un'architettura ispirata alla rinormalizzazione che supera le reti neurali standard nella modellazione di sistemi a molti corpi classici e quantistici, garantendo un'eccellente generalizzazione su scale spaziali più ampie senza ulteriore addestramento e una drastica riduzione dei tempi computazionali.
Questo studio analizza l'Information Imbalance nelle rappresentazioni di DeepSeek-V3 e DinoV2 per dimostrare che l'informazione semantica converge attraverso lingue, modalità e architetture, concentrandosi in specifici strati intermedi o finali e mostrando che la prevedibilità direzionale è influenzata dalla scala del modello e dalla profondità degli strati, superando talvolta i modelli multimodali addestrati congiuntamente.
Questo articolo offre una prospettiva sulle metodologie di scienza computazionale quantistica scalabile, proponendo codifiche a blocchi e trasformazioni polinomiali come quadro unificato per colmare il divario tra algoritmi teorici e applicazioni pratiche in chimica, fisica e ottimizzazione.
Questo breve articolo presenta una forma di correzione del flusso per lo schema basato sugli spigoli del terzo ordine che permette l'uso diretto di una funzione di flusso numerico generale, mantenendo l'accuratezza del terzo ordine mediante l'impiego dello schema U-MUSCL con κ = 1/2 e verificando i risultati su griglie tetraedriche irregolari.
Questo studio presenta un framework scalabile per l'elaborazione dei dati basato su reti di oscillatori caotici accoppiati, in cui i termini di accoppiamento sono ottimizzati tramite una rete neurale artificiale per generare risonanze locali che abilitano compiti di classificazione e riconoscimento dei pattern senza la necessità di definire manualmente le interazioni.
Questo studio propone un nuovo quadro di analisi statistica per le simulazioni di dinamica molecolare che quantifica le discrepanze tra stati del sistema tramite distanze tra matrici di covarianza, permettendo di estrarre caratteristiche dinamiche a bassa dimensionalità e inferire proprietà fisiche globali, come il coefficiente di diffusione e le transizioni di fase, in modo efficiente.
Questo lavoro introduce un flusso repulsivo locale adattivo nel modello di fase-campo Allen-Cahn accoppiato alla dinamica dei reticoli di Boltzmann per prevenire la coalescenza spuria nelle simulazioni di flussi multifase, garantendo al contempo efficienza computazionale e dinamiche di contatto vicine fisicamente coerenti.