🔬 Category

physics.comp-ph

1240 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.

Universal spectral structure in pendulum-like systems

Questo lavoro presenta una formulazione esatta nel dominio della frequenza per le equazioni del pendolo che rivela come tutti i regimi dinamici, dall'oscillatorio alla separatrix fino alla rotazione, condividano una struttura spettrale analitica universale derivabile da un singolo nucleo spettrale, ridefinendo i cambiamenti di regime come riorganizzazioni simmetriche nello spazio delle frequenze piuttosto che come variazioni della struttura spettrale sottostante.

Teepanis Chachiyo2026-03-06✓ Author reviewed ⓘ🔬 physics

Uncertainty quantification and stability of neural operators for prediction of three-dimensional turbulence

Questo studio presenta un quadro per valutare l'affidabilità degli operatori neurali nella previsione della turbolenza tridimensionale, introducendo un modello F-IFNO che, grazie all'incorporazione di una fattorizzazione implicita, supera i limiti di stabilità e accuratezza a lungo termine delle soluzioni tradizionali e di altri modelli FNO.

Xintong Zou, Zhijie Li, Yunpeng Wang, Huiyu Yang, Jianchun Wang2026-03-06🔬 physics

Machine-precision energy conservative reduced models for Lagrangian hydrodynamics by quadrature methods

Gli autori presentano un framework di riduzione del modello basato su quadrature per l'idrodinamica lagrangiana che, utilizzando una variante fortemente conservativa dell'Empirical Quadrature Procedure (EQP), garantisce la conservazione dell'energia totale con precisione quasi macchina mantenendo al contempo un'accuratezza comparabile alle formulazioni EQP standard.

Chris Vales, Siu Wun Cheung, Dylan M. Copeland, Youngsoo Choi2026-03-06🔬 physics

Bayesian Inference for PDE-based Inverse Problems using the Optimization of a Discrete Loss

Questo lavoro introduce B-ODIL, un'estensione bayesiana del metodo di ottimizzazione della perdita discreta (ODIL) per problemi inversi basati su equazioni differenziali alle derivate parziali, che integra modelli fisici e dati osservati per inferire soluzioni con incertezze quantificate, come dimostrato in benchmark sintetici e nell'applicazione clinica alla stima della concentrazione tumorale nel cervello.

Lucas Amoudruz, Sergey Litvinov, Costas Papadimitriou, Petros Koumoutsakos2026-03-06🔬 physics

Energy-Conserving Contact Dynamics of Nonspherical Rigid-Body Particles

Questo articolo presenta un quadro dinamico di contatto che conserva l'energia per particelle rigide non sferiche di forma convessa arbitraria, integrando metodi di rilevamento degli interfacce in 2D e 3D per simulare con stabilità il comportamento di impaccamento, la diffusione anisotropa e le equazioni di stato in sistemi colloidali e granulari.

Haoyuan Shi, Christopher J. Mundy, Gregory K. Schenter, Jaehun Chun2026-03-06🔬 physics

Mixed-State Measurement-Induced Phase Transitions in Imaginary-Time Dynamics

Questo lavoro introduce l'evoluzione immaginaria vestita di misura (MDITE) come nuovo quadro teorico per studiare le transizioni di fase in stati misti, dimostrando tramite simulazioni numeriche l'esistenza di nuove classi di criticità guidata dal decadimento e fornendo un metodo diagrammatico efficiente per l'analisi di sistemi su larga scala.

Yi-Ming Ding, Zenan Liu, Xu Tian, Zhe Wang, Yanzhang Zhu, Zheng Yan2026-03-06⚛️ quant-ph

Supervised Metric Regularization Through Alternating Optimization for Multi-Regime Physics-Informed Neural Networks

Il documento propone TAPINN, una rete neurale fisica informata che utilizza la regolarizzazione metrica supervisionata e l'ottimizzazione alternata per superare i limiti delle PINN standard nella modellazione di sistemi dinamici con transizioni di regime brusche, ottenendo una maggiore stabilità e precisione con un minor numero di parametri.

Enzo Nicolas Spotorno, Josafat Ribeiro Leal, Antonio Augusto Frohlich2026-03-06🔬 physics

Empirical Stability Analysis of Kolmogorov-Arnold Networks in Hard-Constrained Recurrent Physics-Informed Discovery

Lo studio empirico rivela che, nonostante l'interesse teorico, l'integrazione delle Kolmogorov-Arnold Networks (KAN) in architetture ricorrenti vincolate dalla fisica si dimostra meno efficace e stabile rispetto alle MLP tradizionali per la scoperta di termini residui in sistemi oscillatori complessi, a causa di fragilità iperparametriche e limitazioni nell'induzione di bias additivi per l'accoppiamento degli stati.

Enzo Nicolas Spotorno, Josafat Leal Filho, Antonio Augusto Medeiros Frohlich2026-03-06🔬 physics