1235 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.
Lo studio dimostra che, in CrSb e MnTe, le fluttuazioni termiche inducono una persistenza dei momenti magnetici locali e un ripristino graduale della degenerazione di spin di Kramers, con effetti distinti sulla struttura elettronica e sul trasporto di spin nei materiali metallici rispetto a quelli semiconduttori.
Questo studio propone un nuovo framework CAE-NODE che combina autoencoder convoluzionali e equazioni differenziali neurali per creare un modello riduttivo in grado di simulare con alta precisione e basso errore l'evoluzione temporale di fiamme controcorrente transitorie bidimensionali.
Questo articolo risolve l'inconsistenza concettuale nella simulazione delle grandi scale (LES) proponendo un'approssimazione diretta del termine di avvezione filtrato tramite una serie infinita, che nei test su turbolenza decrescente e flusso di taglio dimostra prestazioni superiori rispetto ai metodi LES classici.
Questo lavoro presenta una riformulazione stocastica del framework AMIAS/RISE per la tomografia a emissione, che utilizza il campionamento Hamiltonian Monte Carlo per generare ensemble di immagini e quantificare l'incertezza, distinguendo tra l'ill-posedness intrinseca del problema inverso e le carenze del modello fisico.
Il paper presenta ANNA, un toolbox sviluppato in MATLAB e Python per calcolare il rumore newtoniano generato dalle fluttuazioni di densità nel suolo per l'osservatorio gravitazionale Einstein Telescope, utilizzando un metodo agli elementi finiti che dimostra un'eccellente concordanza con le soluzioni analitiche in vari scenari sismici.
Questo articolo presenta un proof-of-concept per un sistema automatizzato di ottimizzazione delle bobine degli stellarator che integra calcoli agli elementi finiti in ciclo, utilizzando algoritmi genetici o LLM contestuali per accelerare la progettazione e pubblicare automaticamente le soluzioni su una classifica open-source.
Il paper presenta UniMatSim, un framework Python modulare che automatizza flussi di lavoro ad alto rendimento per la simulazione di materiali integrando diversi potenziali interatomici basati su machine learning universale, come dimostrato dalla scoperta di 59 candidati stabili nel reticolo Lieb bidimensionale.
Questo studio presenta un'analisi basata sulla teoria del funzionale densità dei difetti puntuali di erbio nel carburo di silicio 4H-SiC, fornendo supporto a livello di materiali per lo sviluppo di una piattaforma scalabile per dispositivi quantistici.
Questo tutorial autocontenuto illustra il metodo Monte Carlo variazionale basato su reti neurali artificiali, spiegandone le basi storiche, gli strumenti matematici e le applicazioni a potenziali chimico-fisici e alle molecole più semplici.
Il paper propone un metodo post-hoc leggero che utilizza le differenze finite per stimare puntualmente l'errore delle reti neurali informate dalla fisica (PINN) risolvendo un'equazione dell'errore basata sul residuo della PDE, permettendo così una validazione mirata e interpretabile senza richiedere la conoscenza della soluzione vera.