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.

Quantum Algorithm Framework for Phase-Contrast Transmission Electron Microscopy Image Simulation

Il documento presenta un framework algoritmico quantistico fault-tolerant per simulare la formazione di immagini in microscopia elettronica a trasmissione a contrasto di fase, dimostrando un vantaggio computazionale per query nello spazio di Fourier e osservabili coerenti, sebbene la ricostruzione completa dell'immagine richieda un numero di misurazioni che ne limita l'efficienza rispetto ai metodi classici.

Sean D. Lam, Roberto dos Reis2026-02-17🔬 cond-mat.mtrl-sci

M-CODE: Materials Categorization via Ontology, Dimensionality and Evolution

Il paper presenta M-CODE, un sistema di categorizzazione dei materiali che, collegando la terminologia specifica a concetti riutilizzabili e trasformazioni consapevoli della provenienza, classifica le strutture in base alla dimensionalità, alla complessità strutturale e alle varianti evolutive, offrendo un'implementazione open source per la generazione e validazione di dataset riproducibili.

Vsevolod Biryukov, Kamal Choudhary, Timur Bazhirov2026-02-17🔬 cond-mat.mtrl-sci

Data-Efficient Machine learning for Predicting Dopant Formation Energies in TiO2_2 Monolayer

Questo studio dimostra che l'uso di dataset compatti e basati su descrittori fisicamente rilevanti, combinati con calcoli DFT, consente di sviluppare modelli di machine learning accurati e trasferibili chimicamente per prevedere le energie di formazione di droganti in monocristalli di TiO₂, superando i limiti imposti dalla scarsità di dati.

Kati Asikainen, Matti Alatalo, Marko Huttula, Assa Aravindh Sasikala Devi2026-02-17🔬 cond-mat.mtrl-sci

Auxiliary field quantum Monte Carlo at the basis set limit: application to lattice constants

Gli autori presentano un'implementazione dell'AFQMC nel formalismo PAW all'interno di VASP che, operando al limite della base completa, fornisce risultati di alta precisione per le costanti reticolari correggendo le carenze di metodi come MP2 e RPA e stabilendo un nuovo strumento di riferimento per le proprietà strutturali dei sistemi condensati.

Moritz Humer, Martin Schlipf, Zoran Sukurma, Sajad Bazrafshan, Georg Kresse2026-02-17🔬 physics

An open-source computational framework for immersed fluid-structure interaction modeling using FEBio and MFEM

Questo lavoro presenta un nuovo framework open-source per la simulazione fluid-struttura immersa che combina le capacità di calcolo parallelo e GPU della libreria MFEM con i modelli meccanici solidi avanzati di FEBio, offrendo una soluzione robusta e scalabile per problemi biomeccanici complessi come la dinamica delle valvole cardiache.

Ryan T. Black, Steve A. Maas, Wensi Wu, Jalaj Maheshwari, Tzanio Kolev, Jeffrey A. Weiss, Matthew A. Jolley2026-02-13🧬 q-bio