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 een machine-learningkader voor grofkorrelige moleculaire dynamica dat traditionele krachtkoppeling aanvult met stochastische Hessian-vectorproductkoppeling om tweede-orde krommingsinformatie te integreren, waardoor de nauwkeurigheid en overdraagbaarheid van grofkorrelige potentialen voor biomoleculaire simulaties aanzienlijk worden verbeterd.
Dit artikel onderzoekt hoe de keuze van de tijdsintegrator, de toevoeging van numerieke dissipatie en de probleemrepresentatie de efficiëntie en stabiliteit van gekwantiseerde tensorrij-berekeningen (QTT) voor advectie-gedomineerde problemen beïnvloeden, met als doel foutopstapeling en ranggroei in simulaties op lange termijn te beperken.
Dit artikel toont aan dat het vervangen van eindige-differentbenaderingen door forward-mode automatische differentiatie voor Jacobiaan-vectorproducten in Jacobiaan-vrije Newton-Krylov-oplossers de rekenprestaties (met 2 tot 3 ordes van grootte) en de globale robuustheid (door het verhogen van de voltooiingspercentages van 42% naar 95%) aanzienlijk verbetert voor uiteenlopende niet-lineaire problemen en hardware-architecturen.
Deze studie maakt gebruik van eindige-elementensimulaties om aan te tonen dat in niet-newtonse power-law-vloeistoffen shear-thinning-gedrag de warmteoverdracht verbetert, terwijl uniforme thermische randvoorwaarden in vergelijking met niet-uniforme verwarming een sterkere convectie en een hogere entropieproductie bevorderen, wat belangrijke inzichten biedt voor het optimaliseren van thermisch systeemontwerp.
Dit artikel stelt een macroscopisch-microscopische, deterministisch-stochastische koppelingsstrategie voor die hogere-orde constitutieve relaties en chemische reactiebrontermen, afkomstig uit DSMC, integreert in een macroscopische synthetische vergelijking om simulaties te versnellen, ruisreductie te bewerkstelligen en computationele knelpunten in chemische reactiestromen nabij het continuüm te overwinnen.
Het artikel introduceert Elastica++, een open-source, hoogpresterend framework dat het Cosserat-staafmodel en gedeeld-geheugenparallelisme gebruikt om grootschalige, multiphysica-simulaties van interactieve slanke structuren mogelijk te maken in uiteenlopende toepassingen variërend van zachte robotica tot actieve materie.
Dit artikel presenteert een hybride kwantum-klassieke methode voor het oplossen van de advectie-diffusievergelijking die efficiënt schaalt met de systeemdimensie en betrouwbare resultaten demonstreert op huidige ruige IBM-kwantumhardware, waarmee een mogelijke route wordt geboden om computatie- en vermogensbeperkingen in numerieke weersvoorspelling te overwinnen.
Deze studie maakt gebruik van machine learning en moleculaire dynamica om potentiële remmers te identificeren die gericht zijn op resistentiemechanismen van gramnegatieve bacteriën, met name RND-effluxpompen en erytromycine-esterasen, met als doel de beperkingen van bestaande door de FDA goedgekeurde antibacteriële geneesmiddelen te overwinnen.
Dit artikel introduceert APRIL, een raamwerk dat een toezichtverlies aanvult met aanvullende fysisch-redundante termen om de convergentie en nauwkeurigheid te verbeteren bij parameterschatting voor grote multi-systeem datasets, waarbij tot een orde van grootte prestatiewinst wordt aangetoond in parameterschatting voor zwaartekrachtgolven vergeleken met standaardbenaderingen.
Dit artikel introduceert een structuurbehoudend low-rank compressieprotocol voor tweeelektron-reduced density matrices dat de geheugenschaalering reduceert van kwartisch naar kwadratisch terwijl de chemische nauwkeurigheid behouden blijft, waardoor efficiënte toepassing van eigenvector-continuatie-workflows op grootschalige niet-adiabatische moleculaire dynamica-simulaties mogelijk wordt.