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.
Il documento presenta un quadro di apprendimento variazionale in cui piccole reti neurali, addestrate su pochi esempi, acquisiscono un'intuizione fisica generalizzabile sia in sistemi classici che quantistici, il cui successo è spiegato da una teoria unificata che identifica una dimensione critica della rete necessaria per una generalizzazione robusta.
Il documento presenta l'Extended Deep Energy Method (XDEM), un nuovo framework di apprendimento automatico unificato che supera le limitazioni dei metodi esistenti integrando modelli di frattura discreti e continui per ottenere previsioni accurate ed efficienti con punti di collocazione sparsi.
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 articolo presenta l'implementazione di forze atomiche analitiche basate sull'approssimazione dell'energia di correlazione RPA (Random Phase Approximation) e sulla sua estensione RPAx, dimostrando che tale approccio fornisce risultati di alta qualità numerica e accuratezza paragonabile ai metodi avanzati di funzione d'onda per geometrie e frequenze vibrazionali di molecole e solidi.
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.
Il documento presenta un algoritmo Monte Carlo privo di rifiuto per il Modello di Ising a campo casuale bidimensionale che, combinando le probabilità di transizione Glauber con contatori probabilistici gerarchici, supera il rallentamento critico dei metodi tradizionali offrendo un'efficienza superiore di due ordini di grandezza e una dinamica fedele sia all'equilibrio che fuori equilibrio.
Questo studio dimostra che l'impiego di una Macchina di Apprendimento Estremo Quantistica (QELM) arricchita da informazioni temporali e memoria degli stati precedenti migliora significativamente la caratterizzazione e la stima dei parametri della dinamica quantistica non-Markoviana, rivelando che gli effetti di memoria ambientale costituiscono una risorsa costruttiva per l'apprendimento.
Questo articolo presenta l'algoritmo GLHS (Global-Local Hybrid Surrogate), un metodo ibrido che combina surrogati globali e locali con un campionamento adattivo per stimare in modo efficiente e accurato la probabilità di guasti rari in sistemi complessi ad alta dimensionalità.
Questo studio dimostra come i grafi di visibilità costruiti da serie temporali di modelli di spin possano rilevare transizioni di fase continue e effetti di crossover, utilizzando il numero di alberi ricoprenti e l'analisi spettrale come indicatori sensibili applicabili anche a sistemi complessi empirici.