1242 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.
Il paper propone uno schema universale basato sul quadro di reweight-annealing per calcolare osservabili di misurazione generale nei sistemi quantistici a molti corpi, risolvendo così problemi fondamentali come il calcolo di correlazioni complesse e l'overlap tra distribuzioni diverse in ambiti che spaziano dalla fisica quantistica all'apprendimento automatico.
Questo articolo presenta un metodo Monte Carlo multlivello potenziato da modelli surrogati che riduce i costi computazionali di un fattore fino a rispetto alle simulazioni standard, mantenendo un'alta accuratezza nella quantificazione dell'incertezza per il problema del bordo libero di equilibrio magnetico nei reattori a fusione.
Questo lavoro presenta un dataset di riferimento composto da 624 campioni 2D ad alta risoluzione, generati tramite simulazioni numeriche fedeli, che catturano le complesse interazioni tra CO₂ e acqua nei mezzi porosi per supportare lo sviluppo e la validazione di modelli di apprendimento automatico applicati allo stoccaggio geologico del carbonio.
Questo articolo presenta un quadro unificato per derivare l'energia e la pressione elettrostatica di sistemi periodici, sia neutri che non neutri, sostituendo l'interazione di Coulomb con un'interazione efficace a coppie che include termini di confine infiniti, permettendo così di trattare in modo coerente sia le particelle puntiformi che le distribuzioni di carica.
Il paper propone due metodi per trovare la trasformazione di Lorentz ottimale che allinea misurazioni di 4-vettori in diversi sistemi di riferimento, superando i limiti dei metodi classici nello spazio di Minkowski e offrendo una soluzione generalizzabile ad altri gruppi di Lie matriciali.
Questo studio presenta il primo calcolo *ab initio* del momento di Schiff nucleare per l'isotopo F e, combinandolo con calcoli di chimica quantistica sul catione HfF e recenti misurazioni sperimentali, stabilisce il primo limite sperimentale su tale momento, gettando le basi per vincolare le interazioni pion-nucleone-nucleone attraverso metodi nucleari *ab initio*.
Gli autori propongono un algoritmo di gruppo di rinormalizzazione basato su reti tensoriali che, sfruttando tensori di bordo variazionali per un ambiente globalmente ottimizzato e mantenendo la complessità computazionale del metodo TRG originale, raggiunge un'accuratezza superiore nel coarsening di reti tensoriali bidimensionali.
Questo lavoro presenta un nuovo agente collaborativo basato su tre modelli linguistici (Consulente, Programmatore e Recensore) che utilizza un ciclo di riscrittura, risoluzione, revisione e rielaborazione per generare codice eseguibile e privo di errori nella risoluzione di problemi complessi di calcolo scientifico.
Lo studio dimostra che l'iniezione di informazioni tramite forze attrattive non lineari in sistemi di materia attiva, in particolare nelle gocce liquide, ottimizza le prestazioni del reservoir computing attivando meccanismi regolatori emergenti che migliorano la diversità morfologica e dinamica, la memoria e la non linearità del sistema.
Questa revisione esamina l'integrazione delle tecniche di machine learning nei metodi di campionamento avanzato per le simulazioni di dinamica molecolare, focalizzandosi sulla costruzione guidata dai dati di variabili collettive, sull'ottimizzazione degli schemi di biasing e sulle applicazioni in ambiti quali i processi biomolecolari e le reazioni catalitiche.