🔬 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.

Hybrid Weight Window Method for Global Time-Dependent Monte Carlo Particle Transport Calculations

Questo articolo presenta un nuovo algoritmo Monte Carlo per il trasporto di particelle dipendente dal tempo che utilizza finestre di peso globali automatiche, definite tramite la soluzione di un problema ausiliario ibrido Monte Carlo/deterministico basato sulle equazioni del secondo momento di ordine inferiore (LOSM), per ottenere una distribuzione uniforme delle particelle e migliorare l'efficienza computazionale.

Caleb A. Shaw, Dmitriy Y. Anistratov2026-03-10🔬 physics

Physics-informed AI Accelerated Retention Analysis of Ferroelectric Vertical NAND: From Day-Scale TCAD to Second-Scale Surrogate Model

Questo studio presenta un modello surrogato basato su un operatore neurale informato dalla fisica (PINO) che accelera di oltre 10.000 volte l'analisi della ritenzione dei dati nei transistor a effetto di campo ferroelettrico verticali (Fe-VNAND) rispetto alle simulazioni TCAD tradizionali, consentendo una rapida ottimizzazione dei dispositivi mantenendo l'accuratezza fisica.

Gyujun Jeong (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA, USA), Sungwon Cho (School of Electrical and Computer Engineering, Georgia Institute of Technology, GA (…)2026-03-10🤖 cs.LG

Machine learning the two-electron reduced density matrix in molecules and condensed phases

Questo lavoro dimostra che l'apprendimento automatico della matrice di densità ridotta a due elettroni (2-RDM) consente di costruire surrogati ad alta fedeltà per metodi di struttura elettronica correlata, permettendo calcoli di qualità coupled-cluster per sistemi complessi come il glucosio solvatato in 500 molecole d'acqua a un costo computazionale paragonabile a quello dell'Hartree-Fock.

Jessica A. Martinez B., Bhaskar Rana, Xuecheng Shao, Katarzyna Pernal, Michele Pavanello2026-03-10🔬 physics

Scaling Machine Learning Interatomic Potentials with Mixtures of Experts

Il paper presenta architetture di potenziali interatomici basati su apprendimento automatico che utilizzano miscele di esperti (MoE) e miscele di esperti lineari (MoLE), dimostrando che l'attivazione sparsa con esperti condivisi e il routing elemento per elemento migliorano significativamente l'accuratezza e la stabilità, ottenendo risultati all'avanguardia su diversi benchmark e rivelando una specializzazione degli esperti allineata alle tendenze della tavola periodica.

Yuzhi Liu, Duo Zhang, Anyang Peng, Weinan E, Linfeng Zhang, Han Wang2026-03-10🤖 cs.LG

Percolation on multifractal, scale-free weighted planar stochastic porous lattice

Il paper introduce il reticolo stocastico poroso planare pesato (WPSPL), un substrato multifrattale e auto-simile che genera una rete complessa con distribuzione di grado a legge di potenza, e studia la percolazione su di esso rivelando una famiglia di classi di universalità distinte con esponenti critici che variano continuamente in funzione della porosità, sfidando le aspettative dei reticoli bidimensionali convenzionali.

Proshanto Kumar, Md. Kamrul Hassan2026-03-10🔬 physics

Glassy phase transition in immiscible steady-state two-phase flow in porous media

Questo studio dimostra che le caratteristiche macroscopiche del flusso bifase in mezzi porosi possono essere previste mappando la distribuzione delle gocce su un modello di vetro di spin, rivelando una corrispondenza sorprendente tra la transizione di fase vetrosa del modello e il regime di flusso non lineare caratterizzato da isteresi e forti fluttuazioni.

Santanu Sinha, Humberto Carmona, José S. Andrade Jr., Alex Hansen2026-03-10🔬 physics

NATPS: Nonadiabatic Transition Path Sampling Using Time-Reversible MASH Dynamics

Il documento introduce il NATPS, un nuovo metodo che combina la dinamica MASH reversibile nel tempo con il campionamento del percorso di transizione per simulare in modo efficiente ed efficace eventi non adiabatici rari in fotochimica, riducendo significativamente il costo computazionale rispetto alle tecniche tradizionali.

Xiran Yang, Madlen Maria Reiner, Brigitta Bachmair, Leticia González, Johannes C. B. Dietschreit, Christoph Dellago2026-03-10🔬 physics

El Agente Cuantico: Automating quantum simulations

Il paper introduce "El Agente Cuantico", un sistema di intelligenza artificiale multi-agente che automatizza i flussi di lavoro delle simulazioni quantistiche traducendo le intenzioni scientifiche in linguaggio naturale in calcoli eseguiti e validati attraverso diversi framework software, superando così le barriere tecniche e computazionali.

Ignacio Gustin, Luis Mantilla Calderón, Juan B. Pérez-Sánchez, Jérôme F. Gonthier, Yuma Nakamura, Karthik Panicker, Manav Ramprasad, Zijian Zhang, Yunheng Zou, Varinia Bernales, Alán Aspuru-Guzik2026-03-09⚛️ quant-ph

Drifting to Boltzmann: Million-Fold Acceleration in Boltzmann Sampling with Force-Guided Drifting

Il paper introduce i "Drifting Models" applicati per la prima volta alla generazione di conformazioni molecolari, sfruttando un'identità teorica che integra le forze fisiche per ottenere un campionamento di Boltzmann in un singolo passo con un'accelerazione di un milione di volte rispetto alle dinamiche molecolari tradizionali, mantenendo al contempo una validità strutturale e un'accuratezza distribuzionale superiori.

Pipi Hu2026-03-09🔬 physics