🔬 Category

physics.comp-ph

903 papers

Computational physics brengt wiskundige modellen en krachtige computersamen om de natuur te doorgronden, van de dans van subatomaire deeltjes tot de evolutie van het heelal. Op Gist.Science maken we deze complexe inzichten toegankelijk voor iedereen die nieuwsgierig is naar hoe onze wereld werkt, zonder dat je een doctoraat nodig hebt om de essentie te snappen.

Elke nieuwe preprint in dit domein op arXiv wordt door ons zorgvuldig verwerkt. Wij bieden niet alleen een heldere, alledaagse samenvatting van de kernboodschap, maar ook een gedetailleerde technische uitleg voor diegenen die dieper willen graven. Zo sluiten we de kloof tussen geavanceerd onderzoek en breed publiek.

Hieronder vind je de meest recente publicaties uit de wereld van computationele fysica, direct uit de bron van arXiv, geordend en geanalyseerd voor jouw gemak.

Electron beam evolution in a successive Compton backscattering

Dit artikel toont theoretisch en numeriek aan dat bij opeenvolgende inverse Compton-verstrooiing de longitudinale impulsverdeling van een elektronenbundel exponentieel convergeert naar een evenwichtstoestand door het evenwicht tussen kwantumexcitatie en stralingswrijving, waarbij de noodzaak wordt benadrukt om cumulatieve transversale dynamiek in aanmerking te nemen bij het ontwerpen van toekomstige hooghelderheidsröntgen- en gammastralenbronnen.

D. V. Gavrilenko, A. A. Savchenko, M. N. Strikhanov, A. A. Tishchenko2026-05-26🔬 physics

A Guided Tour of Modern Domain Decomposition: From Schwarz Iterations to Robust Preconditioners and HPC Implementations

Dit hoofdstuk biedt een uitgebreid overzicht van moderne domeindecompositiemethoden, waarbij de evolutie wordt gevolgd van Schwarz-iteraties naar robuuste preconditioners voor uitdagende problemen, met nadruk op theoretische inzichten, schaalbare grove-ruimtecorrecties en hoogpresterende implementaties.

Victorita Dolean, Pierre Jolivet, Frédéric Nataf, Pierre-Henri Tournier2026-05-26🔬 physics

Learning, locomotion, and navigation of soft synthetic snakes in three-dimensional, heterogeneous environments

Dit artikel presenteert een door de natuur geïnspireerd versterkt leerframework dat zachte synthetische slangen in staat stelt om locomotieprimitieven te leren in vereenvoudigde terreinen en deze te combineren tot adaptieve strategieën voor het robuust navigeren door complexe, heterogene 3D-omgevingen die zijn gereconstrueerd uit real-world data.

Xiaotian Zhang, Ali Albazroun, Tixian Wang, Songyuan Cui, Prashant G. Mehta, Mattia Gazzola2026-05-26🔬 physics

Three-dimensional Anderson localization of light in dielectric disorder

Door middel van grootschalige tijdsdomeinsimulaties van dichte willekeurige pakkingen van diëlektrische deeltjes met een hoge brekingsindex biedt deze studie convergerende dynamische, spectrale en ruimtelijke bewijzen voor driedimensionale Anderson-localisatie van licht, waarbij wordt aangetoond hoe velden op latere tijdstippen zelforganiseren in interferentie-gescheiden, quasi-stationaire geconcentreerde modi.

Yevgen Grynko, Jens Förstner2026-05-26🔬 physics.optics

PDEInvBench: A Comprehensive Dataset and Design Space Exploration of Neural Networks for PDE Inverse Problems

Dit artikel introduceert PDEInvBench, een uitgebreide benchmarkdataset voor inverse PDE-problemen, en gebruikt deze om ontwerpruimtes voor neurale netwerken te verkennen, waarbij wordt aangetoond dat een tweestaps trainingsprocedure die parametersupervisie combineert met fine-tuning van residuen op het testmoment, samen met PDE-afgeleide invoer en diverse beginvoorwaarden, de prestaties bij parameterschatting aanzienlijk verbetert.

Divyam Goel, Nithin Chalapathi, Sanjeev Raja, Aditi S. Krishnapriyan2026-05-26🔬 physics

Why is the strength of an elastomeric polymer network so low?

Grobkorrelige moleculair-dynamische simulaties tonen aan dat elastomere polymeernetwerken breken bij spanningen die ver onder de sterkte van covalente bindingen liggen, omdat de vervorming zich concentreert op een "minimale kortste pad" van bindingen, wat leidt tot het opeenvolgende falen van een klein deel van deze kritieke bindingen in plaats van het gelijktijdige breken van het gehele netwerk.

Shaswat Mohanty, Jose Blanchet, Zhigang Suo, Wei Cai2026-05-25🔬 cond-mat.mtrl-sci

WellPINN: Accurate Well Representation for Transient Fluid Pressure Diffusion in Subsurface Reservoirs with Physics-Informed Neural Networks

Dit artikel introduceert WellPINN, een nieuwe werkstroom die sequentieel getrainde fysisch geïnformeerde neurale netwerken op krimpende subdomeinen gebruikt om de diffusie van vloeistofdruk rond boorgaten nauwkeurig te modelleren gedurende de volledige injectieperiode, waardoor eerdere beperkingen in het vastleggen van drukdynamiek in een vroeg stadium worden overwonnen.

Linus Walter, Qingkai Kong, Sara Hanson-Hedgecock, Víctor Vilarrasa2026-05-25🤖 cs.LG

Full-Scattering-Matrix Deterministic Phonon Boltzmann Transport Simulation

Dit artikel presenteert een computationeel efficiënte 3D-Boltzmannvergelijking voor fonontransport die de beperkingen van de relaxatietijdnadering overwint door gebruik te maken van het laagdimensionale karakter van niet-evenwichtsverdelingen en de selectieve uitlijning van verstrooiingszeldzame modi om de effecten van de volledige verstrooiingsmatrix nauwkeurig te modelleren in nanoschaalapparaten.

Y. Sungtaek Ju2026-05-25🔬 cond-mat.mes-hall

Vapor-Cell-Induced Uncertainty in Rydberg Atom Measurements via the Electric-Field Volume-Integral-Equation Method

Dit artikel maakt gebruik van de volume-integraalvergelijking-methode voor het elektrische veld om aan te tonen dat voor dampcellen kleiner dan een halve golflengte de onzekerheid in de relatieve permittiviteit van glas de dominante bron van fouten is bij elektrische-veldmetingen met Rydberg-atomen, wat resulteert in een totale onzekerheid van ongeveer 3,5% die met nauwkeurigere permittiviteitsgegevens kan worden teruggebracht tot onder de 1%.

Martin Stumpf, William J. Watterson, Rajavardhan Talashila, Matt T. Simons, Alexandra Artusio-Glimpse, Lawrence Carslake, Tian Hong Loh, Christopher L. Holloway2026-05-25🔬 physics.atom-ph