917 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.
Gli autori sviluppano un kernel esatto per l'autogravità in dischi protoplanetari sottili, basato su funzioni di Bessel modificate, che supera le limitazioni dell'approssimazione della lunghezza di smoothing e della potenziale di Plummer offrendo una descrizione fisicamente coerente e computazionalmente efficiente della gravità newtoniana.
Questo lavoro presenta un metodo basato su Reti Neurali Informate dalla Fisica (PINN) che, attraverso un addestramento sequenziale degli strati di un MOSFET, risolve efficacemente il problema inverso di stimare la velocità del refrigerante necessaria per un raffreddamento ottimale, ottenendo risultati in accordo con i dati sperimentali.
Questo studio combina la teoria GW auto-consistente per quasiparticelle e correzioni DFT+U apprese tramite machine learning per identificare composti Heusler basati su cobalto e nichel, in particolare Co₂TiSn e Co₂ZrAl, come candidati promettenti per applicazioni spintroniche grazie alla loro capacità di essere cresciuti epitassialmente su semiconduttori III-V come l'InAs.
Questo articolo presenta un framework modulare Java per la visualizzazione scientifica e la simulazione che separa l'architettura dei livelli di visualizzazione e i motori di simulazione, isolando le funzionalità 3D per evitare accoppiamenti non necessari e supportando applicazioni desktop a lungo termine.
Il paper presenta un metodo agli elementi finiti di tipo Arbitrario Lagrangiano-Euleriano (ALE) per membrane lipidiche curve e deformabili, che introduce una nuova classe di dinamiche di mesh in piano basate su equazioni materiali specifiche e risolve l'instabilità numerica associata tramite tecniche adattate, dimostrando l'efficacia del metodo attraverso il benchmark del distacco e della traslazione laterale di un tether membranale.
Il documento propone una nuova architettura di rete neurale ibrida quantistico-classica a più flussi che, decomponendo le soluzioni delle equazioni di Navier-Stokes in componenti di frequenza separate, supera le prestazioni dei modelli classici nella risoluzione del flusso di Kovasznay riducendo l'errore quadratico medio e il numero di parametri addestrabili.
Questo studio introduce FlexPINN, una rete neurale basata sulla fisica flessibile e migliorata, per simulare con alta precisione il flusso fluidodinamico e il trasferimento di massa in micromiscelatori 3D complessi, dimostrando risultati superiori al 97% di accuratezza rispetto alle tradizionali simulazioni CFD.
Il paper propone un approccio atomistico *ab initio* basato sulla teoria del funzionale densità per prevedere la morfologia di equilibrio di cristalli etero-integrati, i cui risultati per cristalli di GaP su Si mostrano un ottimo accordo con le osservazioni sperimentali al microscopio elettronico a trasmissione.
Questo articolo presenta un quadro concettuale ampio per identificare le computazioni emulate dai sistemi dinamici, sia naturali che artificiali, definendo la computazione attraverso mappature tra l'evoluzione del sistema e quella di una macchina computazionale astratta, e illustrando tale approccio con esempi tratti dalla letteratura.
Questo articolo dimostra come l'uso delle tensor train quantizzate (QTT) permetta di superare la maledizione della dimensionalità nel pricing delle opzioni multi-asset risolvendo l'equazione differenziale di Black-Scholes su una griglia completa con alta precisione anche per 10-15 sottostanti, offrendo un'alternativa efficiente ai metodi Monte Carlo.