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.
Dit artikel introduceert het Ray-Column IPRM, een op structuur gebaseerd turbulentiemodel dat radiale spectrale schaalinformatie herstelt door conditionele toestanden te projecteren op eindige golfgetalbanden, waardoor nauwkeurigere sluitingsbeoordelingen en de vorming van gefilterde waarneembare grootheden mogelijk worden in vergelijking met traditionele enkel op oriëntatie gebaseerde benaderingen.
Deze studie toont aan dat het gebruik van twee-kleurige Laguerre-Gaussian laserpulsen om plasma wakefields aan te drijven hun topologie fundamenteel verandert door longitudinale veldenergie van de as te verplaatsen naar holle, ringvormige structuren, waardoor nieuwe mechanismen worden geboden voor het beheersen van transversale plasmadynamiek en het mogelijk maken van versnelling van deeltjes buiten de as.
Dit artikel stelt een op Physics Informed Neural Networks (PINN) gebaseerde rekenmethode voor die tijd-periodieke stromingstoestanden direct oplost door te optimaliseren over één periode in plaats van transiënte beginvoorwaarden te simuleren, waardoor aanzienlijke reducties in rekentijd worden bereikt terwijl een nauwkeurigheid wordt behouden die vergelijkbaar is met traditionele op mesh gebaseerde oplosmethoden.
Dit artikel presenteert een numeriek stabiel Method of Moments-hulpmiddel voor het simuleren van S-parameters van meerschichtige ingekaste PCB's door een S-matrixformalisme te combineren om de volledige dyadische Green-functie af te leiden met diverse basisfuncties om zowel transversale als longitudinale stromen te modelleren.
Met behulp van variatie-Monte-Carmethoden met neurale kwantumtoestanden analyseert deze studie het nabij-kern-sectoren van de Hamiltoniaanse beperking in kwantum gereduceerde lus-graviteit en identificeert drie onderscheiden klassen van oplossingen, waaronder een gefactoriseerde tak die nauwkeurig wordt beschreven door emergente semi-klassieke Thiemann-coherente toestanden.
Dit artikel presenteert een nieuwe MPI-gebaseerde methode voor het construeren en simuleren van grootschalige spiking neurale netwerken op multi-GPU-clusters en exascale supercomputers, waarbij efficiënte schaalbaarheid voor complexe corticale modellen wordt aangetoond door geoptimaliseerde lokale connectiviteit en strategieën voor uitwisseling van spikes.
Dit artikel introduceert de Symplectische Neuronale Operator, een nieuwe architectuur die de intrinsieke symplectische structuur van oneindig-dimensionale Hamilton-systemen behoudt om strikte langetermijnstabiliteit en verbeterde energiebehoud te garanderen in vergelijking met standaard datagedreven modellen.
Het artikel introduceert het Quantum Feature Amplification Network (QFAN), een autoregressief kwantumgeneratief model dat de bottleneck van registergrootte in de simulatie van calorimetershower overwint door afbeeldingen te genereren als sequenties van blokken met behulp van een kwantumcircuit met vaste grootte, en dat succesvol zijn vermogen demonstreert om belangrijke fysische verdelingen te reproduceren op zowel simulatoren als IBM-kwantumhardware.
Dit artikel presenteert een uiterst efficiënte, multi-GPU-versnelde implementatie van het Discontinuous Galerkin-oceaanmodel SLIM die enorme snelheidswinsten realiseert ten opzichte op CPU-gebaseerde systemen en ultra-hoge-resolutie kustsimulaties mogelijk maakt, zoals een vijfvoudige resolutieverbetering voor het Groot Barrièrerif.
Dit artikel toont aan hoe het combineren van een generatieve AI-coderingsagent met een door een LLM aangedreven boomzoekalgoritme autonoom geoptimaliseerde driedimensionale fotovoltaïsche structuren kan ontdekken, mits het systeem fysieke beperkingen iteratief corrigeert om algoritmische beloningshacking te elimineren en fysiek geldige oplossingen te waarborgen.