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.

Challenges in predicting positron annihilation lifetimes in lead halide perovskites: correlation functionals and polymorphism

Dit theoretisch onderzoek toont aan dat de keuze van het elektron-positron correlatiefunctieel en de invloed van polymorfisme een cruciale rol spelen bij het nauwkeurig voorspellen van positronannihilatielevensduren in loodhalide-perovskieten, wat de interpretatie van experimentele data voor vacatures op de A-site aanzienlijk kan beïnvloeden.

Kajal Madaan, Guido Roma, Jasurbek Gulomov, Pascal Pochet, Catherine Corbel, Ilja Makkonen2026-04-23🔬 cond-mat.mtrl-sci

Machine learning moment closure models for the radiative transfer equation IV: enforcing symmetrizable hyperbolicity in two dimensions

In dit vierde deel van hun reeks over machine learning-momentsluitingsmodellen voor de stralingstransportvergelijking, breiden de auteurs hun framework uit naar twee dimensies door een blokgewijze symmetrisator te introduceren die, gebaseerd op de structuur van het klassieke PNP_N-model, automatisch symmetrisabele hyperbolische eigenschappen garandeert terwijl het model wordt getraind op data.

Juntao Huang2026-04-23🔬 physics

Domain-Wall-Mediated Ultralow-Barrier Sliding and Pinning in Ferroelectric Moiré Superlattices Revealed by Machine Learning

Dit onderzoek toont aan dat het glijdende proces in ferro-elektrische Moiré-superroosters wordt gemedieerd door domeinwanden met een ultralage energiebarrière, wat leidt tot spontane thermische glijbeweging en een overgang naar gepinde oscillaties bij aanwezigheid van zwavelvacatures.

Jia-Wen Li, Sheng Meng, Xinghua Shi, Jin Zhang, Wei-Hai Fang2026-04-23🔬 cond-mat.mtrl-sci

Adaptive hyperviscosity stabilisation for the RBF-FD method in solving advection-dominated transport equations

Dit artikel introduceert een adaptieve hyperviscositeitsstabilisatie voor de RBF-FD-methode die, zonder afhankelijkheid van specifieke PDE's of randvoorwaarden, numerieke stabiliteit garandeert voor advectie-gedomineerde transportproblemen door de stabilisatieparameter dynamisch aan te passen op basis van de spectrale straal van de evolutiematrix.

Miha Rot, Žiga Vaupotič, Andrej Kolar-Požun, Gregor Kosec2026-04-22🔬 physics

Diffusion Synthetic Acceleration for polytopic discretisations of Boltzmann transport

Dit artikel presenteert een computationele studie die aantoont dat een DSA-methode met een gemodificeerde interior-penalty (MIP) formulering robuustere convergentie biedt dan de klassieke SIP-variant voor polytopische discontinu Galerkin-discretisaties van de Boltzmann-transportvergelijking, vooral in optisch dikke en sterk verstrooiende regimes.

Ansar Calloo, Matthew Evans, François Madiot, Tristan Pryer2026-04-22🔢 math

Nonuniform Iterative Phasing Framework and Sampling Requirements for 3D Dynamical Inversion from Coherent Surface Scattering Imaging

Deze paper introduceert een wiskundig raamwerk dat iteratieve fasehersteltechnieken combineert met snelle niet-uniforme Fourier-inversie om de 3D-structuur van dunne nanostructuren te reconstrueren uit coherent oppervlakverstrooiingsimaging-data, zelfs in aanwezigheid van significante dynamische verstrooiing en met data van slechts één of twee invalshoeken.

Jeffrey J. Donatelli, Miaoqi Chu, Zixi Hu, Zhang Jiang, Nicholas Schwarz, Jin Wang, James A. Sethian2026-04-22🔬 physics

Neural Operator Representation of Granular Micromechanics-based Failure Envelope

Deze paper introduceert een differentieerbare neurale operator die, ondersteund door een fysica-informeerde trainingsstrategie en actieve leer, de complexe mapping van microstructurele configuraties naar macroscopische faalgrenzen van korrelige materialen efficiënt leert en omkeerbare identificatie mogelijk maakt zonder herhaalde dure micro-mechanische simulaties.

Jinkyo Han, Payam Poorsolhjouy, Bahador Bahmani2026-04-22🔬 physics