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.
Deze studie presenteert een efficiënt 'multi-fidelity' surrogaatmodel dat gebruikmaakt van recursieve co-kriging om windbelastingen op moderne containerschepen in havenomgevingen nauwkeuriger te voorspellen met een lagere computationele kostprijs dan traditionele CFD-simulaties.
Dit artikel introduceert PHIN-GAN, een nieuw physics-informed generatief neuraal netwerk dat met behulp van analytische waarschijnlijkheidsdichtheidsfuncties hoogwaardige simulaties van deeltjesinteracties met materie mogelijk maakt tegen een fractie van de computationele kosten van traditionele methoden zoals GEANT4.
Dit onderzoek toont aan dat bij lage Reynoldsgetallen en hoge Machgetallen niet-evenwichtseffecten optreden in de viskeuze schokbuis, waardoor multiscale methoden zoals het Unified Gas-Kinetic Scheme (UGKS) noodzakelijk zijn voor nauwkeurige simulaties in plaats van de traditionele Navier-Stokes-benadering.
Dit artikel introduceert twee nieuwe varianten van de *structure factor twist averaging* (sfTA) methode, genaamd *paired sfTA* en *binding sfTA*, die de nauwkeurigheid van de bindingsenergieën in tweedimensionale bilaag-materialen verbeteren door de bindingsinteractie direct in het selectieproces van de draaihoek te integreren.
Dit artikel presenteert `DeepOPiraKAN`, een nieuwe physics-informed neurale netwerkarchitectuur die via operator learning efficiënt en nauwkeurig de parameterafhankelijke spectra van complexe systemen kan berekenen, met als succesvolle toepassing de kwasinormale modi van Kerr-zwarte gaten.
Dit onderzoek toont aan dat het toevoegen van natuurkundige beperkingen aan machine learning-modellen voor tweefasige stromingen de nauwkeurigheid verbetert, maar dat het succes hiervan afhankelijk is van de mate waarin de ingebouwde aannames overeenkomen met het specifieke fysische regime.
Deze paper presenteert de 'synchronized molecular dynamics' (SMD) methode, een multiscale computationele aanpak die lokale moleculaire dynamica direct koppelt aan een macroscopische wrijvingsbeschrijving voor het efficiënt simuleren van de stroming van complexe vloeistoffen in dunne lagen.
Dit artikel presenteert een stabiel en efficiënt algoritme voor de interactie tussen vloeistoffen en starre lichamen door de direct-forcing immersed boundary method (DF-IBM) te koppelen aan de Newton-Euler vergelijkingen via een impliciete, relaxatietechniek.
Dit artikel introduceert een nieuwe gradiëntvrije methode voor quantum optimal control, waarbij gebruik wordt gemaakt van Matrix Product State (MPS) sampling om efficiënt hoogwaardige discrete controle-sequenties te vinden in complexe optimalisatielandschappen.
Dit artikel presenteert een nieuwe analytische methode om stationaire toestanden in botsingsloze kinetische systemen te bestuderen, waarbij wordt aangetoond dat verschillende randvoorwaarden leiden tot niet-thermische profielen met complexe ruimtelijke structuren.