879 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.
Questo articolo presenta una funzione di miscelazione migliorata per uno schema compatto di upwinding modificato che combina efficacemente l'accuratezza di alto ordine dei programmi compatti con la capacità di cattura degli urti di WENO, consentendo una risoluzione netta degli urti pur preservando l'alta risoluzione nelle regioni lisce per applicazioni come le interazioni urto-strato limite e urto-acustica.
Questo articolo esamina e valuta un metodo ibrido BEM/FEM compresso che trasforma le matrici dense degli elementi di bordo in matrici di rigidezza dinamica a banda per risolvere efficientemente problemi di scattering di onde elastiche in domini semi-infiniti con requisiti di memoria ridotti per applicazioni ingegneristiche pratiche.
Questo articolo presenta una nuova formulazione di elemento esaedrico multi-risoluzione basata su un nuovo framework di sottospazi di spostamento mutuamente annidati, che consente livelli di risoluzione regolabili per modulare l'accuratezza dell'analisi strutturale in modo più efficiente e razionale rispetto ai tradizionali metodi a risoluzione singola.
Questo articolo introduce la Dual Vibration Configuration Interaction (DVCI), un programma computazionale efficiente dal punto di vista della memoria che utilizza una nuova fattorizzazione dell'Hamiltoniana basata sulla dualità e sulla seconda quantizzazione per calcolare rapidamente e precisamente specifici stati vibrazionali infrarossi senza costruire grandi blocchi di matrici.
Questo studio propone un framework di modellazione e ottimizzazione macroscopica basato sulla teoria di Darcy–Forchheimer per progettare scambiatori di calore a reticolo TPMS variabile con larghezze dei canali non uniformi, la cui validazione sperimentale conferma un miglioramento delle prestazioni del 28,7% rispetto alle configurazioni a reticolo uniforme.
Questo articolo propone una metodologia che combina simulatori cinetici differenziabili con l'ottimizzazione basata sul gradiente per inferire accuratamente gli operatori di collisione del plasma direttamente dai dati dello spazio delle fasi, dimostrando prestazioni ed efficienza superiori rispetto alle stime tradizionali basate sul tracciamento delle particelle.
Questo articolo dimostra che la natura rotazionale della turbolenza insegna intrinsecamente l'equivarianza alle reti neurali attraverso l'aumento implicito dei dati, e che imporre esplicitamente questa simmetria come bias induttivo architettonico migliora significativamente la generalizzazione attraverso diverse condizioni di flusso riducendo al contempo la complessità del modello.
Questo studio dimostra, attraverso simulazioni Monte Carlo dinamiche, che sebbene l'introduzione dell'eterogeneità della mobilità tramite diversi tassi di aggiornamento in un polimero a reticolo Gaussiano 2D a due blocchi alteri la dinamica di rilassamento interna e lo spostamento quadratico medio risolto per blocco, il coefficiente di diffusione del centro di massa mantiene la tipica scalatura della catena ideale di .
Questo articolo introduce la Stein Kernelized Molecular Dynamics (SKMD), un nuovo metodo di campionamento potenziato che preserva la distribuzione di Boltzmann utilizzando la dinamica di particelle interagenti e kernel sensibili alla simmetria per acquisire efficientemente dati di addestramento diversificati e non ridondanti per l'apprendimento attivo e il fine-tuning di potenziali interatomici basati sull'apprendimento automatico.
Questo articolo presenta un benchmark sistematico e data-free di undici architetture di Physics-Informed Neural Network per il sistema rigido di Poisson-Nernst-Planck, dimostrando che la strategia Balanced Residual Decay Rate (BRDR) offre un equilibrio ottimale tra accuratezza ed efficienza computazionale rispetto ad altri metodi, fornendo al contempo un'implementazione open-source per la ricerca futura.