🔬 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.

When Attention Beats Fourier: Multi-Scale Transformers for PDE Solving on Irregular Domains

Dit artikel introduceert de Multi-Scale Attention Transformer (MSAT) en toont aan door middel van uitgebreide empirische en theoretische analyse dat op attention gebaseerde architecturen Fourier-domein-operatoren overtreffen bij het oplossen van PDE's op onregelmatige domeinen, terwijl het ook een kritieke trade-off vaststelt waarbij physics-informed regularisatie problemen die door diffusie worden gedomineerd verbetert maar de prestaties verslechtert in chaotische regimes.

Brandon Yee, Pairie Koh, Jack Rodriguez, Mihir Tekal2026-05-12🤖 cs.LG

A meshfree exterior calculus for generalizable and data-efficient learning of physics from point clouds

Dit artikel introduceert MEEC-Net, een data-efficiënt, meshvrij neuraal netwerk dat gebruikmaakt van een nieuw raamwerk voor externe calculus om structuurbehoudende fysica te leren op puntwolken, waardoor superieure generalisatie buiten de trainingsverdeling over geometrieën en parameters wordt bereikt in vergelijking met bestaande neurale operator-baselines.

Benjamin D. Shaffer, Brooks Kinch, M. Ani Hsieh, Nathaniel Trask2026-05-12🔬 physics

CrystalREPA: Transferring Physical Priors from Universal MLIPs to Crystal Generative Models

CrystalREPA is een plug-and-play-framework dat de stabiliteit, validiteit en fideliteit van gegenereerde kristallen verbetert door generatieve modelrepresentaties af te stemmen op bevroren universele machine learning interatomaire potentialen (MLIP's) via een contrastief doel, waarbij wordt aangetoond dat de effectiviteit van een MLIP voor transfer meer afhankelijk is van zijn onderscheidingsvermogen dan van zijn standaardnauwkeurigheidsbenchmarks.

Chengqian Zhang, Yucheng Jin, Duo Zhang, Tiejun Li, Han Wang2026-05-12🔬 cond-mat.mtrl-sci

Nonlinear GENERIC Informed Neural Networks (N-GINNs): learning GENERIC dynamics with non-quadratic dissipation potentials

Dit artikel introduceert Niet-lineaire GENERIC-geïnformeerde Neuronale Netwerken (N-GINNs), een deep learning-framework dat thermodynamische consistentie garandeert via convexe dissipatiepotentialen om evolutievergelijkingen nauwkeurig te ontdekken voor systemen die zowel conservatieve dynamica als niet-kwadratische dissipatie vertonen.

Vojtěch Votruba, Zequn He, Weilun Qiu, Celia Reina, Michal Pavelka2026-05-12🔬 physics

Constitutive Priors for Inverse Design

Dit artikel presenteert een end-to-end raamwerk voor het inverse ontwerp van elastische netwerken dat ruimtelijk variërende materiaaleigenschappen optimaliseert in de ruimte van constitutieve gedragingen door gebruik te maken van een thermodynamisch consistente latente prior, homotopiegebaseerde voortzetting en gladheidsbeperkingen voor neurale netwerken om PDE-beperkte optimalisatieproblemen robuust op te lossen zonder dat er mesh-correspondentie vereist is.

Jinkyo Han, Bahador Bahmani2026-05-12🔬 physics

Classification of Chimera States via Fourier Analysis and Unsupervised Learning

Dit artikel stelt een nieuwe methode voor die Fourier-analyse en onbewaakte clustering van genormaliseerde totale variaties combineert om verschillende soorten chimera-toestanden in netwerken van gekoppelde Rayleigh-oscillatoren nauwkeurig te detecteren en te classificeren, waardoor de beperkingen van bestaande detectietechnieken worden overwonnen.

Rommel Tchinda Djeudjo, Riccardo Muolo, Thierry Njougouo, Timoteo Carletti2026-05-12🌀 nlin

Accuracy assessment of scalar wave propagation methods for diffractive optics design: from thin elements to thick binary grating

Dit artikel evalueert systematisch de nauwkeurigheid van benaderingen voor dunne elementen, straalvoortplanting en golfvoortplanting tegen een strikte referentie voor binaire diffractiegitters, waarbij nauwkeurigheidskaarten worden gegenereerd om de selectie van geschikte forward-modellen in inverse ontwerppijplijnen te sturen op basis van ruimtelijke frequentie en gitterdikte.

Nicolas Barré2026-05-12🔬 physics.optics