🔬 Category

physics.comp-ph

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.

Consistent kinetic modeling of compressible flows with variable Prandtl numbers: Double-distribution quasi-equilibrium approach

Il paper presenta un modello cinetico coerente basato sull'approccio quasi-equilibrio a doppia distribuzione che permette la simulazione accurata e stabile di flussi comprimibili con numeri di Prandtl e rapporti di calore specifico variabili, garantendo il corretto recupero delle equazioni di Navier-Stokes-Fourier e la conservazione delle proprietà fisiche in un ampio spettro di condizioni di flusso.

R. M. Strässle, S. A. Hosseini, I. V. Karlin2026-03-17🌀 nlin

Stable Differentiable Modal Synthesis for Learning Nonlinear Dynamics

Questo lavoro propone un metodo di sintesi modale differenziabile e stabile che combina tecniche a variabile ausiliaria scalare con equazioni differenziali ordinarie neurali per apprendere dinamiche non lineari, permettendo l'accesso diretto ai parametri fisici e garantendo la stabilità numerica attraverso gradienti che rispettano potenziali non negativi.

Victor Zheleznov, Stefan Bilbao, Alec Wright, Simon King2026-03-17⚡ eess

Hadamard regularization of open quantum systems coupled to unstructured environments in the Schwinger-Keldysh formalism

Questo articolo presenta un algoritmo di integrazione temporale basato sulla regolarizzazione di Hadamard all'interno del formalismo di Schwinger-Keldysh, che risolve il problema della scalabilità cubica nelle simulazioni di sistemi quantistici aperti accoppiati a ambienti non strutturati, permettendo di catturare efficacemente effetti non markoviani e di rinormalizzazione su scale temporali separate.

Jakob Dolgner2026-03-17⚛️ quant-ph

Hierarchy of extreme-event predictability in turbulence revealed by machine learning

Utilizzando un modello di diffusione condizionale autoregressivo addestrato su simulazioni numeriche dirette, questo studio rivela che la prevedibilità degli eventi estremi nella turbolenza segue una gerarchia dipendente dallo stato, dove la persistenza delle strutture coerenti su larga scala e la durata dei nuclei di deformazione intensa determinano l'orizzonte temporale di previsione.

Yuxuan Yang, Chenyu Dong, Gianmarco Mengaldo2026-03-17🌀 nlin

Manufacturable blazed metasurface gratings designed by 3D topology optimization model

Questo studio presenta un framework di ottimizzazione topologica 3D che generalizza la progettazione di metasuperfici a fiamma per la riflessione nel visibile e nel vicino infrarosso, dimostrando come l'adozione di una parametrizzazione basata su pilastri consenta di ottenere dispositivi ad alta efficienza ottica (57%) che rispettano i vincoli reali della nanofabbricazione.

Simon Ans (Laboratoire d'Astrophysique de Marseille, Institut Fresnel), Frédéric Zamkotsian (Laboratoire d'Astrophysique de Marseille), Guillaume Demésy (Institut Fresnel)2026-03-17🔬 physics.optics

Excited Pfaffians: Generalized Neural Wave Functions Across Structure and State

Questo articolo presenta gli "Excited Pfaffians", un'architettura di reti neurali che, combinata con il campionamento di importanza multi-stato, permette di rappresentare efficientemente e con alta precisione molteplici stati eccitati e superfici di energia potenziale in un'unica funzione d'onda, superando i limiti computazionali dei metodi precedenti.

Nicholas Gao, Till Grutschus, Frank Noé, Stephan Günnemann2026-03-17⚛️ quant-ph

A Deep-Learning-Boosted Framework for Quantum Sensing with Nitrogen-Vacancy Centers in Diamond

Questo articolo presenta un framework basato su una rete neurale convoluzionale unidimensionale (1D-CNN) che ottimizza l'analisi in tempo reale dei dati di risonanza magnetica otticamente rilevata (ODMR) dei centri azoto-vacanza nel diamante, offrendo maggiore velocità, accuratezza e robustezza rispetto ai metodi di fitting non lineare convenzionali, specialmente in condizioni di basso rapporto segnale-rumore.

Changyu Yao, Haochen Shen, Zhongyuan Liu, Ruotian Gong, Md Shakil Bin Kashem, Stella Varnum, Liangyu Li, Hangyue Li, Yue Yu, Yizhou Wang, Xiaoshui Lin, Jonathan Brestoff, Chenyang Lu, Shankar Mukherji (…)2026-03-17🔬 physics.app-ph