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.
Questo articolo dimostra che le interazioni attrattive a corto raggio tra quasi-particelle browniane guidate termicamente consentono un'ottimizzazione efficiente dal punto di vista energetico, scalabile e robusta attraverso un comportamento cooperativo emergente, superando i ricercatori non interagenti sia in paesaggi spaziali statici che dinamici.
Questo articolo introduce un framework universale di Monte Carlo quantistico black-box che utilizza stimatori esatti in forma chiusa per le suscettibilità di energia e fedeltà per rilevare transizioni di fase quantistiche attraverso arbitrarie hamiltoniane senza richiedere la conoscenza preventiva di parametri d'ordine o regole di aggiornamento specifiche del modello.
Questo articolo presenta un quadro formale all'interno della rappresentazione tramite matrice di permutazione delle simulazioni Monte Carlo quantistiche per derivare stimatori esatti per arbitrarie osservabili statiche e funzioni di correlazione nel tempo immaginario generali, dimostrandone l'utilità pratica attraverso applicazioni al modello di Ising in campo trasverso.
Questo studio impiega calcoli basati sui primi principi per caratterizzare la neo-sintetizzata Vivianene 2D, rivelando la sua stabilità a temperatura ambiente, un bandgap indiretto di 3,03 eV dominato dagli orbitali d del ferro e un assorbimento ottico potenziato nella regione dell'ultravioletto, il che suggerisce collettivamente il suo promettente potenziale per applicazioni optoelettroniche e di rilevamento.
Questo studio basato sui primi principi rivela che, sebbene le vacanze di calcogeno incontaminate in MoS e MoSe non inducano magnetismo, l'adsorbimento di azanuro (NH) e ammoniaca (NH) su questi monostrati difettivi genera momenti magnetici localizzati, con il MoSe che esibisce un momento degno di nota di 2,0 in seguito alla dissociazione di NH, dimostrando così una strategia percorribile per modulare il magnetismo nei materiali 2D per applicazioni spinttroniche.
Questo articolo presenta un framework guidato da un modello generativo, combinato con uno screening termodinamico ed elettronico gerarchico, per identificare con successo 13 nuovi elettruidi termodinamicamente stabili e 264 composti ricchi di elettroni da migliaia di composizioni chimiche, accelerando la scoperta di materiali con proprietà elettroniche eccezionali.
Questo articolo propone uno schema semi-lagrangiano ibrido per l'equazione di Vlasov-Poisson che combina sinergicamente il metodo del Numerical Flow Iteration (NuFI), con il suo time-stepping locale conservativo, e il Characteristic Mapping Method (CMM), con la sua efficiente composizione di submappe globali, per raggiungere un equilibrio tra costo computazionale, requisiti di memoria e preservazione strutturale.
Questo articolo introduce MEIDNet, un framework di IA generativa multimodale che combina reti neurali grafiche equivarianti e apprendimento contrastivo per accelerare efficientemente la progettazione inversa di nuovi materiali stabili con proprietà mirate, come dimostrato dalla generazione riuscita di perovskiti a basso bandgap.
Questo articolo introduce una diagnostica basata sull'influenza che analizza la geometria locale del paesaggio di perdita per determinare se gli emulatori neurali di equazioni differenziali alle derivate parziali abbiano interiorizzato con successo le simmetrie fisiche, misurando la coerenza degli aggiornamenti del gradiente lungo le orbite correlate alle simmetrie, offrendo così un metodo innovativo per valutare la generalizzazione robusta oltre i test standard di passaggio in avanti.
Il documento introduce GG-PI, un framework computazionalmente efficiente che sfrutta la modellazione generativa e il campionamento di Gibbs su dati di simulazione classica per recuperare accuratamente gli effetti quantistici nucleari e trasferirli tra diverse temperature senza necessità di riaddestramento, superando significativamente la dinamica molecolare path integral tradizionale.