🔬 Category

physics.comp-ph

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.

Hierarchical Finite-Element Analysis of Multiscale Electromagnetic Problems via Sparse Operator-Adapted Wavelet Decomposition

Questo articolo presenta un metodo agli elementi finiti potenziato da una decomposizione in ondelette adattate all'operatore che, disaccoppiando i livelli di risoluzione e sfruttando la sparsità delle matrici, permette un'analisi efficiente e quasi lineare dei problemi elettromagnetici multiscala senza richiedere la ricalcolazione delle soluzioni a livelli più grossolani.

F. Şık, F. L. Teixeira, B. Shanker2026-02-18🔬 physics

Analysis of Fission Matrix Databases using Temperature Profiles obtained from High-Fidelity Multiphysics Simulations

Questo studio dimostra che l'utilizzo di profili di temperatura derivati da simulazioni multiphysics ad alta fedeltà, anziché di profili uniformi, per costruire i database del metodo della matrice di fissione nel reattore a sali fusi, migliora significativamente l'accuratezza dei risultati neutroniche, in particolare per il fattore di moltiplicazione e la distribuzione della sorgente di fissione.

Maximiliano Dalinger, Elia Merzari, Saya Lee, Alex Nellis2026-02-18🔬 physics

Machine learning electronic structure and atomistic properties from the external potential

Questo lavoro propone un nuovo quadro di apprendimento automatico basato sul potenziale esterno (nucleare) che, ispirandosi al teorema di Hohenberg-Kohn e sfruttando le proprietà equivarianti dei messaggi passanti, permette di prevedere efficientemente proprietà elettroniche e atomiche o di apprendere mappature operatore-operatore come quelle verso la matrice di Fock e la densità ridotta.

Jigyasa Nigam, Tess Smidt, Geneviève Dusson2026-02-18🔬 physics

Virtual ultrasound machine operating in a GHz to MHz frequency range for particle-based biomedical simulations

Gli autori presentano una macchina virtuale a ultrasuoni basata su particelle, che utilizza una variante innovativa della dinamica dissipativa lisciata con un risolutore di pressione implicito e uno schema di stabilizzazione a pressione negativa, per simulare efficientemente le interazioni onda-materia in un ampio spettro di frequenze e modellare con successo l'actofresi di microbolle incapsulate per la somministrazione di farmaci.

Urban Čoko, Tilen Potisk, Matej Praprotnik2026-02-18🔬 cond-mat.mes-hall

Bayesian inference of high-purity germanium detector impurities based on capacitance measurements and machine-learning accelerated capacitance calculations

Questo studio presenta un metodo bayesiano innovativo che utilizza un modello surrogato di machine learning addestrato su calcoli GPU accelerati per inferire la distribuzione delle impurità nei rivelatori al germanio ad alta purezza basandosi sulle misurazioni di capacità, rivelando una dipendenza radiale della densità delle impurità.

Iris Abt, Christopher Gooch, Felix Hagemann, Lukas Hauertmann, Xiang Liu, Oliver Schulz, Martin Schuster2026-02-17🔬 physics

Physics-Informed Neural Network based Damage Identification for Truss Railroad Bridges

Questo studio propone un approccio basato su reti neurali informate dalla fisica (PINN) per l'identificazione non supervisionata dei danni nei ponti ferroviari in acciaio, integrando dati sul carico delle ruote dei treni e le equazioni differenziali del sistema per aggiornare i modelli agli elementi finiti e localizzare i danni con elevata precisione.

Althaf Shajihan, Kirill Mechitov, Girish Chowdhary, Billie F. Spencer2026-02-17🤖 cs.AI

A Stochastic Cluster Expansion for Electronic Correlation in Large Systems

Il paper presenta un'espansione stocastica di cluster che recupera efficientemente l'energia di correlazione totale di grandi sistemi con precisione quasi DMRG senza richiedere la selezione preventiva di uno spazio attivo, rendendo possibili calcoli ad alta accuratezza per processi chimici in ambienti condensati.

Annabelle Canestraight, Anthony J. Dominic, Andres Montoya-Castillo, Libor Veis, Vojtech Vlcek2026-02-17🔬 cond-mat.mtrl-sci