🔬 Category

physics.comp-ph

879 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.

A Physics-Informed B-Spline Framework for Continuous Approximation of Flow Data

Dit artikel introduceert Physics-Informed Multivariate Functional Approximation (PI-MFA), een raamwerk dat tensorproduct B-splines gebruikt om continue, differentieerbare stroomveldreconstructies te genereren door controlepunten te optimaliseren om de getrouwheid aan de data te balanceren met de leidende natuurkundige wetten, waardoor fysiek consistente resultaten worden gegarandeerd, zelfs bij inconsistente invoergegevens.

Junoh Jung, David Lenz, Emil Constantinescu, Tom Peterka2026-06-10🔬 physics

An adaptive framework for the axisymmetric pulsar magnetosphere using physics-informed Kolmogorov-Arnold networks

Dit artikel introduceert PulsarX, een open-source framework dat adaptieve Kolmogorov-Arnold-netwerken en geautomatiseerde trainingspipelines gebruikt om zeer nauwkeurige, zelfconsistente axissymmetrische pulsar-magnetosfeeroplossingen te bereiken met een significant verbeterde convergentiesnelheid, verminderde handmatige afstemming en het vermogen om extreme ruimtelijke schalen te resolveren vergeleken met eerdere Physics-Informed Neural Network-benaderingen.

Spyros Rigas, Ioannis Contopoulos, Georgios Alexandridis, Antonios Nathanail2026-06-10🔬 physics

Bounding the Null Space: Interval-Based Uncertainty Quantification for Non-Identifiable Groundwater Models

Dit artikel stelt een Optimization-based Bound Tightening (OBBT)-framework voor dat intervalrekenkunde en McCormick-relaxaties gebruikt om gegarandeerde, sampling-vrije onzekerheidsgrenzen te bieden voor niet-identificeerbare grondwatermodellen, terwijl uitdagingen zoals niet-fysische rotatie door specifieke teken- en irrotationaliteitsbeperkingen worden aangepakt.

Maximilian Ramgraber, Ksenia Bestuzheva2026-06-10🔬 physics

Modeling intercalation chemistry with multi-redox reactions by sparse lattice models in disordered rocksalt cathodes

Dit artikel introduceert een gecombineerde aanpak die gebruikmaakt van clusterexpansie op basis van ijle regressie en semigrootkanonische Monte Carlo-sampling om de intercalatiethermodynamica van gedisorderde rotszoutkathodes efficiënt te modelleren, waarbij experimentele voltagesprofielen succesvol worden gereproduceerd en de redoxbijdragen van Mn en zuurstof in Li1.3−x_{1.3-x}Mn0.4_{0.4}Nb0.3_{0.3}O1.6_{1.6}F0.4_{0.4} worden toegelicht.

Peichen Zhong, Fengyu Xie, Luis Barroso-Luque, Liliang Huang, Gerbrand Ceder2026-06-09🔬 cond-mat.mtrl-sci

Consensus-based adaptive sampling and approximation for high-dimensional energy landscapes

Dit artikel presenteert een op consensus gebaseerd raamwerk dat faseruimteverkenning verenigt met op de posterieure residu gebaseerde adaptieve bemonstering om het minimax-optimalisatieprobleem van het gezamenlijk construeren van surrogaatmodellen en het genereren van monsters voor hoogdimensionale energielandschappen op te lossen, wat effectief een efficiënte benadering van vrije energievlakken in complexe biomoleculaire systemen mogelijk maakt.

Liyao Lyu, Huan Lei2026-06-09🔬 physics

Machine-Learning-Guided Insights into Solid-Electrolyte Interphase Conductivity: Are Amorphous Lithium Fluorophosphates the Key?

Deze studie maakt gebruik van machine learning en diffusie-gebaseerde structuurvoorspelling om te onthullen dat amorf lithiumdifluorofosfaat (\ceLiPO2F2\ce{LiPO2F2}), een belangrijke component van de solid-electrolyte interphase, een hoge ionische geleidbaarheid vertoont vanwege structurele wanorde en overvloedige interstitiële defecten, wat suggereert dat amorfe gemengde anion-fasen de primaire snelle-ionenpaden in Li-ion batterijen zijn.

Peichen Zhong, Kristin A. Persson2026-06-09🔬 cond-mat.mtrl-sci

Exact Boundary Enforcement Along Implicit Geometries for Physics-Informed, Deep Learning Problems in Continuum Mechanics

Dit artikel onderzoekt de impact van soft versus hard boundary enforcement technieken op de nauwkeurigheid en trainingsefficiëntie van physics-informed neural networks (PINNs) voor elastodynamische problemen, waarbij wordt aangetoond dat hoewel harde handhaving van randvoorwaarden op impliciete geometrieën de runtime vermindert, dit vaak ten koste gaat van de nauwkeurigheid van de oplossing in vergelijking met soft handhaving.

Cody Rucker, Brittany A. Erickson2026-06-09🔬 physics

Agentic multi-fidelity learning of quasiparticle and excitonic properties

Dit artikel introduceert een door een agent geleerd multi-fidelity raamwerk dat een structurele agent gebruikt om numerieke instabiliteiten in GW-Bethe-Salpeter berekeningen te diagnosticeren en machine learning-correcties toepast om quasipartikel- en excitonische eigenschappen in gespannen MoS2-WS2-bilagen nauwkeurig te voorspellen, waarbij wordt aangetoond dat expliciete detectie van numerieke fragiliteit essentieel is voor betrouwbare surrogaatmodellering van aangeslagen toestand materialen.

Arnab Neogi, Aaron Forde, Christopher A. Lane, Sergei Tretiak, Jian-Xin Zhu2026-06-09🔬 cond-mat.mtrl-sci