919 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 introduce DPA3, una rete neurale a grafo multistrato scalabile basata su serie di grafi di linea che aderisce alle leggi di scala e dimostra una superiore generalizzazione zero-shot attraverso diversi sistemi atomistici, stabilendosi come un modello fondazionale altamente accurato per applicazioni atomistiche su larga scala.
Questo articolo introduce un nuovo framework di calcolo al tempo di inferenza per i modelli fondativi di PDE che sfrutta lo scaling dell'inferenza guidato dal reward per migliorare l'accuratezza della predizione e la robustezza fuori distribuzione, in particolare per le equazioni di Euler comprimibili, utilizzando risorse computazionali durante l'inferenza anziché fare affidamento esclusivamente su un preaddestramento esteso.
Questo articolo presenta un nuovo framework che riformula le Reti Neurali Informate dalla Fisica come risolutori differenziabili per apprendere efficientemente varietà di soluzioni continue per il flusso di Darcy stazionario in sistemi eterogenei, consentendo soluzioni accurate e conservanti la massa e la quantificazione dell'incertezza attraverso un singolo ciclo di addestramento che integra direttamente le rappresentazioni della conducibilità basate sui dati nella funzione di perdita informata dalla fisica.
Questo articolo presenta un framework di modellazione elettrostatica ultrafast per nanoparticelle plasmoniche di geometria arbitraria che ottiene rapidi calcoli della risposta spettrale proiettando l'operatore di Neumann-Poincaré su una base di dipoli compatta per evitare grandi problemi di autovalori, incorporando al contempo effetti di ritardo tramite l'approssimazione modificata della lunghezza d'onda lunga.
Questo articolo presenta un nuovo modello Eulerian-VOF a griglia singola all'interno del framework open-source Basilisk che risolve completamente la dinamica accoppiata solido-gas e la deformazione anisotropa delle particelle durante la pirolisi della biomassa, dimostrando un eccellente accordo con i dati sperimentali e fornendo al contempo uno strumento robusto per lo sviluppo di processi di pirolisi sostenibili.
Questo studio combina la Teoria del Funzionale della Densità e simulazioni di Dinamica Molecolare Reattiva per dimostrare che il co-drogaggio B-N, in particolare nelle configurazioni orto, ottimizza la termodinamica dell'adsorbimento dell'idrogeno e migliora la stabilità termica per la reazione di evoluzione dell'idrogeno in - e 6,6,12-grafina, mentre altri schemi di drogaggio o reticoli pristini soffrono di scarsa attività o degradazione strutturale.
Questo articolo propone e valida un approccio di "ricottura delle interazioni" che sopprime le fluttuazioni di carica per rivelare la struttura efficace della valenza quantizzata e degli orbitali dei materiali correlati, spiegando con successo fenomeni complessi come l'ordine ferro-orbitale in WTe e l'isolamento di Mott in LaCuO.
Questo articolo introduce la Mitigazione dell'Errore a stato Multireferenziale (MREM), una tecnica avanzata di mitigazione dell'errore quantistico che utilizza stati multireferenziali compatti costruiti tramite rotazioni di Givens per migliorare significativamente l'accuratezza dei calcoli di chimica quantistica per sistemi molecolari fortemente correlati, superando i limiti della tradizionale Mitigazione dell'Errore a stato di Riferimento.
Questo articolo presenta un framework di modellazione a spettro completo generalizzato e indipendente dalla piattaforma per sistemi di spettrometria gamma mobili in mezzi diffusivi, che raggiunge una generazione di template quasi in tempo reale con un'accelerazione computazionale di e un'elevata accuratezza, potenziando significativamente le capacità di localizzazione e quantificazione delle sorgenti in diverse applicazioni ambientali e di risposta alle emergenze.
Questo articolo propone i Residual-Gated Adaptive KANs (RGA KANs), un'architettura innovativa che combina uno schema di inizializzazione agnostico rispetto alla base con il gating residuo, per superare i problemi di instabilità dell'addestramento e di divergenza delle reti Kolmogorov-Arnold profonde basate sulla fisica, ottenendo così accuratezza e stabilità superiori attraverso diversi benchmark di equazioni differenziali alle derivate parziali.