133 articoli
Il documento stabilisce un limite fondamentale, indipendente dalla tecnologia, alla capacità informativa della magnetoencefalografia derivato dai vincoli metabolici cerebrali e dal principio di indeterminazione quantistica, rivelando un massimo di 2,2 Mbit/s e un compromesso intrinseco tra risoluzione spaziale e temporale.
Questo articolo presenta un metodo di ottimizzazione basato su gradienti che utilizza la stima Gumbel-Softmax "straight-through" per abilitare l'inferenza dei parametri e il design inverso in modelli cinetici stocastici esatti, superando la non differenziabilità degli eventi discreti attraverso un rilassamento continuo applicato solo nel passaggio inverso.
Il documento propone TAPINN, una rete neurale fisica informata che utilizza la regolarizzazione metrica supervisionata e l'ottimizzazione alternata per superare i limiti delle PINN standard nella modellazione di sistemi dinamici con transizioni di regime brusche, ottenendo una maggiore stabilità e precisione con un minor numero di parametri.
Lo studio empirico rivela che, nonostante l'interesse teorico, l'integrazione delle Kolmogorov-Arnold Networks (KAN) in architetture ricorrenti vincolate dalla fisica si dimostra meno efficace e stabile rispetto alle MLP tradizionali per la scoperta di termini residui in sistemi oscillatori complessi, a causa di fragilità iperparametriche e limitazioni nell'induzione di bias additivi per l'accoppiamento degli stati.
Questo studio presenta il primo confronto sistematico tra sette codici idrodinamici per l'instabilità di streaming non stratificata, rivelando un ampio accordo qualitativo sul comportamento dell'instabilità ma differenze quantitative significative legate al modello della polvere e alla risoluzione, con i modelli basati su particelle che mostrano prestazioni computazionali superiori rispetto a quelli fluidodinamici.
Questo studio confronta le prestazioni degli algoritmi sort-and-sweep e tree-code per il calcolo dei vicini nelle simulazioni DEM di particelle poligonali, evidenziando come il tree-code offra prestazioni leggermente superiori e migliori opportunità di parallelizzazione a memoria condivisa, sebbene a scapito di una complessità ciclomatica significativamente maggiore.
Questo studio presenta un framework di progettazione inversa basato su algoritmi genetici e simulazioni micromagnetiche in dominio di frequenza per ottimizzare cristalli magnonici bidimensionali, permettendo la scoperta di strutture reticolari non convenzionali con ampi gap di banda precedentemente non riportati.
Il lavoro presenta "Ara", un agente basato su modelli linguistici che accelera la scoperta di fotocatalizzatori COF stabili e attivi per la produzione di idrogeno solare, superando significativamente i metodi di ricerca tradizionali grazie all'integrazione di conoscenze chimiche pre-addestrate e a una logica di ragionamento interpretabile.
Questo studio estende la teoria del rilassamento spin-reticolo ai processi a tre fononi applicandola a un complesso di nitruro di cromo, dimostrando che tali contributi diventano rilevanti solo a temperature inaccessibili sperimentalmente e confermando così la validità dell'approssimazione di accoppiamento debole, pur evidenziando come un lieve aumento dell'accoppiamento potrebbe innescare effetti significativi a temperatura ambiente.
Questo articolo presenta un metodo agli elementi di contorno spazio-temporale di Galerkin per la previsione dello scattering acustico, dimostrando la sua stabilità, efficienza e accuratezza sia in casi di validazione analitica che nell'applicazione pratica a un'elica montata sul bordo di uscita confrontata con dati sperimentali.
Il presente studio propone il modello sPI-GeM, un approccio scalabile basato su reti generative profonde informate dalla fisica, in grado di risolvere con accuratezza equazioni differenziali stocastiche sia in avanti che inverse in spazi ad alta dimensionalità sia stocastica che spaziale.
Il paper propone un algoritmo efficiente e a bassa memoria chiamato SOG-TNN, basato su una rappresentazione tensoriale a somma di gaussiane e su schemi di decomposizione dell'interazione di Coulomb, per risolvere con precisione l'equazione di Schrödinger ad alta dimensionalità superando la maledizione della dimensionalità.
Questo lavoro propone una formulazione Hybrid High-Order (HHO) per flussi incomprimibili a densità variabile che garantisce la conservazione esatta del volume e l'avvezione pura della densità, sfruttando discretizzazioni spaziali ibride e schemi temporali ESDIRK per simulare con precisione e robustezza miscele di fluidi immiscibili, come dimostrato attraverso analisi di convergenza e lo studio dell'instabilità di Rayleigh-Taylor.
Basandosi su simulazioni Monte Carlo con parallel tempering, lo studio rivela che nel modello di Ising tridimensionale con legami casuali , la transizione di percolazione avviene a una temperatura superiore a quella dell'ordinamento termodinamico ed è caratterizzata dalla comparsa di due cluster percolanti di densità uguale, le cui densità iniziano a divergere solo ai punti di transizione ferromagnetica disordinata o di vetro di spin, fornendo così un segnale percolativo per queste transizioni termodinamiche.
Questo studio dimostra, tramite simulazioni atomistiche e multiscala, che la presenza di dislocazioni di adattamento e di scorrimento nelle interfacce PbTe-PbSe riduce significativamente l'energia superficiale rispetto alle interfacce coerenti, con diminuzioni fino al 23% per il bonding diretto e fino al 50% per la crescita epitassiale.
Questo lavoro presenta il dataset Open Polymers 2026 (OPoly26), che include oltre 6,57 milioni di calcoli di teoria del funzionale della densità su sistemi polimerici, colmando una lacuna significativa nei dati esistenti e dimostrando come l'aggiunta di tali informazioni migliori le prestazioni dei modelli di apprendimento automatico per la previsione delle proprietà dei polimeri.
Il documento presenta un nuovo framework generativo basato su modelli linguistici e un algoritmo di ricerca euristica che supera le limitazioni combinatorie della previsione delle strutture cristalline, permettendo la generazione diretta di nuovi materiali fisicamente validi senza dipendere da database esistenti.
Il documento presenta peapods, un pacchetto open-source scritto in Rust ed esposto a Python tramite PyO3, progettato per simulazioni Monte Carlo ad alte prestazioni di sistemi di spin di Ising su reticoli Bravais periodici, che integra algoritmi di aggiornamento a singolo spin e a cluster, tecniche di parallel tempering e replica-specifiche per vetri di spin, e strumenti per il calcolo di parametri d'ordine e rapporti di Binder.
Questo studio dimostra che l'introduzione di un feedback sinaptico retroattivo nel modello di cervello quantistico Lipkin-Meshkov-Glick modifica sostanzialmente la struttura delle fasi, espandendo la fase paramagnetica e spostando i confini critici, come evidenziato dall'analisi delle distribuzioni di Husimi, dell'entropia di Wehrl e della dinamica mean-field.
Il paper introduce SMARL, un approccio basato sul reinforcement learning che sviluppa chiusure subgriglia stabili ed efficaci per simulazioni di turbolenza geofisica, permettendo di riprodurre statistiche ad alta fedeltà e di catturare eventi estremi con un numero di gradi di libertà drasticamente ridotto.