physics.comp-ph

ATLAS-NN: Adaptive Transfer Learnable Symplectic-aware Neural Network for Long-Time Hamiltonian Dynamics

Il documento introduce ATLAS-NN, un framework di rete neurale adattiva che migliora la modellazione della dinamica hamiltoniana a lungo termine incorporando un meccanismo di scalatura temporale apprendibile e una strategia di transfer learning a due stadi, ottenendo errori di previsione significativamente ridotti rispetto alle standard Hamiltonian Neural Networks e agli integratori classiciili.

Energetics, shearing and pumping efficiency of propagating contractions over villi-patterned wall

Questo studio utilizza un modello 2D del duodeno di ratto per dimostrare che la motilità a onde pendolari intestinali è ottimizzata principalmente per il taglio della barriera mucosa piuttosto che per il pompaggio di fluidi massivi, come evidenziato dalla sua bassa efficienza di pompaggio e dal fatto che la dissipazione di energia viscosa è governata dalla geometria intervillare piuttosto che dallo strato limite di miscelazione dinamica.

Stabilizing the parquet problem

Questo articolo analizza la stabilità delle soluzioni iteratite dell'equazione di parquet identificando una nuova fonte di fallimento della convergenza non correlata alle divergenze dei vertici e propone una strategia di stabilizzazione controllata che recupera con successo le soluzioni fisiche nei regimi di forte interazione.

Exploiting the Passive Dynamics of a Compliant Leg to Develop Gait Transitions

Questo articolo utilizza un framework di sistemi dinamici ibridi per analizzare il modello del Pendolo Invertito a Molla (SLIP), identificando le regioni di stabilità e dimostrando come sfruttare la dinamica instabile per transizioni di andatura a energia costante, raggiungendo al contempo una stabilità quasi universale attraverso semplici politiche di controllo dell'angolo di attacco non costante.

Electron Localization in Non-Compact Covalent Bonds Captured by the r2SCAN+V Approach

Questo articolo identifica che i funzionali SCAN e r2SCAN faticano con i legami covalenti non compatti a causa di descrizioni distorte della localizzazione elettronica e propone l'approccio r2SCAN+V come una soluzione pratica che migliora significativamente l'accuratezza in materiali impegnativi come grafene, Fe, Cr₂ e VO₂.

Electrically tunable spin qubits in strain-engineered graphene p-n junctions

Questo articolo propone e simula un'architettura di qubit di spin scalabile in giunzioni p-n di grafene puro, dove nanobolle indotte da deformazione creano punti quantici doppi sintonizzabili che consentono la manipolazione coerente dello spin tramite l'accoppiamento spin-orbita di Rashba e campi di Zeeman, come dimostrato da incroci evitati distinti e oscillazioni di Rabi dipendenti dalla detuning.

From Local Training to Large-Scale Mapping: A Comparative Assessment of Machine Learning and Deep Learning for Transferable Satellite-Derived Bathymetry

TransportBench: A Comprehensive Benchmark for Non-Equilibrium Flow Transport

Questo articolo introduce TransportBench, un dataset ad alta fedeltà completo e un benchmark standardizzato progettati per valutare e diagnosticare i modelli di machine learning scientifico attraverso diversi regimi di flusso fuori equilibrio, rivelando che nessuna singola architettura neurale supera universalmente le altre e che sono necessari specifici bias induttivi per diverse caratteristiche del flusso.

Will Accurate Fields Mislead Photonic Design? FromGlobal Accuracy to Port Readout

Questo articolo introduce PaNO, un operatore neurale allineato alla propagazione che privilegia la fedeltà di lettura della porta di uscita rispetto all'accuratezza del campo globale per evitare che i surrogati di campi neurali possano guidare erroneamente la progettazione di dispositivi fotonici, in particolare in strutture dominate dalla propagazione come gli splitter MMI.

A variable-coefficient model for decay of isotropic turbulence capturing effects of finite cascade time and Reynolds number

Questo articolo propone un modello $C_{\epsilon2}$ a coefficiente variabile per il framework della turbolenza $k$-$\epsilon$ che tiene conto del tempo di cascata finito e degli effetti del numero di Reynolds, catturando così accuratamente il decadimento e la crescita della turbolenza isotropa in diversi scenari di flusso.