914 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 studio presenta il primo calcolo *ab initio* del momento di Schiff nucleare per l'isotopo F e, combinandolo con calcoli di chimica quantistica sul catione HfF e recenti misurazioni sperimentali, stabilisce il primo limite sperimentale su tale momento, gettando le basi per vincolare le interazioni pion-nucleone-nucleone attraverso metodi nucleari *ab initio*.
Gli autori propongono un algoritmo di gruppo di rinormalizzazione basato su reti tensoriali che, sfruttando tensori di bordo variazionali per un ambiente globalmente ottimizzato e mantenendo la complessità computazionale del metodo TRG originale, raggiunge un'accuratezza superiore nel coarsening di reti tensoriali bidimensionali.
Lo studio dimostra che l'iniezione di informazioni tramite forze attrattive non lineari in sistemi di materia attiva, in particolare nelle gocce liquide, ottimizza le prestazioni del reservoir computing attivando meccanismi regolatori emergenti che migliorano la diversità morfologica e dinamica, la memoria e la non linearità del sistema.
Questo lavoro introduce NextHAM, un metodo di deep learning basato su Transformer con simmetria E(3) e correzioni esplicative, e il dataset Materials-HAM-SOC per predire con elevata accuratezza ed efficienza gli Hamiltoniani elettronici di materiali complessi includendo effetti di spin-orbita.
Questo studio confronta la stabilità meccanica di modelli di lenti intraoculari commerciali e modificati attraverso simulazioni numeriche e analisi sperimentali, identificando il modello V4 come la configurazione geometrica ottimale per garantire stabilità, comfort del paziente e prestazioni ottiche superiori.
Questo lavoro presenta un metodo sperimentale per generare mappe di sensibilità interpretabili a livello di pixel per il design inverso di dispositivi fotonici, identificando le regioni critiche che influenzano le prestazioni e consentendo una verifica delle regole di fabbricazione senza modificare i solver elettromagnetici sottostanti.
Questo articolo presenta un nuovo modello di ordine ridotto non lineare, basato sulla teoria di Volterra e sull'algoritmo OMP, capace di descrivere con alta precisione e efficienza computazionale il fenomeno del buffeting transonico e l'accoppiamento aeroelastico su un profilo alare OAT15A.
Il paper presenta un nuovo algoritmo basato su curvatura e teoria spettrale che, pur non garantendo teoricamente la risoluzione di tutti i casi, dimostra di identificare correttamente e in tempo polinomiale ogni istanza testata di isomorfismo grafico, inclusi casi notoriamente difficili per le tecniche classiche.
Questo studio analizza l'instabilità di Kelvin-Helmholtz in plasmi collisionali con pressione anisotropa descritti dalle equazioni CGL, rivelando che, rispetto al limite MHD, la formazione di anisotropie di pressione riduce l'energia disponibile per la curvatura delle linee di campo, portando a correnti più deboli, isole magnetiche più piccole e una minore formazione di intermittenze.
Il paper presenta Neural-POD, un operatore neurale plug-and-play che apprende basi ortogonali non lineari continue nello spazio delle funzioni, superando i limiti di discretizzazione dei modelli AI4Science e migliorando la generalizzazione e l'interpretabilità nella decomposizione ortogonale propria per sistemi complessi.