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.
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.
Il paper presenta un nuovo operatore neurale ibrido (WGNO) e confronta le reti neurali informate dalla fisica (PINN) con i solutori numerici tradizionali, dimostrando che questi sistemi offrono un'accuratezza competitiva e tempi di previsione significativamente ridotti per la simulazione della diffrazione delle onde elettromagnetiche EUV nelle maschere litografiche, accelerando così i flussi di lavoro di progettazione e ottimizzazione.
Questo articolo sostiene che le reti tensoriali informate dalla fisica, che integrano sia i principi di simmetria che strategie complementari, offrono un approccio unificante per simulazioni quantistiche scalabili, computazione e apprendimento automatico.
Gli autori presentano RadField3D, un'applicazione open-source basata su Geant4 per generare dataset di campi di radiazione tridimensionali e un formato dati veloce con API Python, entrambi destinati alla ricerca di metodi di simulazione della radiazione basati sul deep learning per la dosimetria in ambito medico.
Questo lavoro presenta l'implementazione e l'accelerazione su GPU del solver immerso a interfaccia netta ViCar3D, che dimostra un'efficienza di scalabilità superiore al 90% e un speedup di circa 20 volte rispetto alle versioni CPU, permettendo la simulazione di flussi complessi su gride fino a 200 milioni di punti.
Questo studio propone un paradigma basato sull'intercalazione di litio e vanadio in bilayer V2Se2O per realizzare multiferroici ferrimagnetici-ferroelastici a temperatura ambiente, caratterizzati da proprietà di trasporto anomalo e di spin notevolmente potenziate, inclusi effetti di magnetoresistenza gigante e filtraggio di spin quasi perfetto.
Questo lavoro propone un protocollo efficiente basato su camminate quantistiche cicliche per simulare fasi topologiche, stati di bordo protetti e bande piatte su grafi ciclici, offrendo una piattaforma versatile per lo sviluppo di tecnologie quantistiche robuste e fault-tolerant.
DRIFT-Net è un operatore neurale innovativo che risolve il problema dell'accumulo di errori nelle simulazioni di equazioni differenziali alle derivate parziali (PDE) combinando un ramo spettrale per le informazioni globali a bassa frequenza e un ramo spaziale per i dettagli locali, ottenendo così una maggiore precisione e efficienza rispetto ai metodi basati su attenzione.
Il paper propone un nuovo paradigma di giunzione tunnel interamente altermagnetica (RuO2/NiF2/RuO2) che, sfruttando la combinazione di elettrodi e barriere altermagnetiche, ottiene un'efficienza di filtraggio di spin e valori di magnetoresistenza tunnel eccezionalmente elevati, superando i limiti delle giunzioni tradizionali grazie all'assenza di campi magnetici parassiti e al basso consumo energetico.