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 hiërarchisch Bayesiaans kalibratiewerkstroom met deep learning-surrogaten om kostenefficiënt en nauwkeurig mesoscopische modellen voor microbelletjes als echografiecontrastmiddelen te ontwikkelen op basis van krachtspectroscopie-gegevens.
Dit paper introduceert NEPMaker, een D-optimaliteit-gedreven actief leerframework voor neuroevolutionaire potentiaalmodellen dat door het identificeren en optimaliseren van extrapolatieve atoomomgevingen in lokaal periodieke structuren, de betrouwbaarheid en schaalbaarheid van machine learning-potentiaalmodellen voor complexe materialen met grote cellen aanzienlijk verbetert.
Dit artikel introduceert MolCryst-MLIPs, een open database met verfijnde MACE-machine-learnde interatomische potentialen voor negen moleculaire kristalsystemen, die via een geautomatiseerde pipeline zijn ontwikkeld en gevalideerd voor productieve moleculaire dynamica-simulaties.
Dit artikel identificeert de structureel stabiele boor-allotrope - als een ideaal spinloos topologisch halfmetaal waarin symmetrie de coëxistentie van een robuust tweedimensionaal knooppuntvlak en diverse soorten Weyl-fermionen mogelijk maakt, wat een uniek platform biedt voor het bestuderen van multidimensionale topologische fysica.
Dit artikel introduceert 'distributionele inverse homogenisatie', een niet-invasieve methode die macroscopische mechanische eigenschappen gebruikt om de statistieken van microstructuren te leren en een vervangend model te trainen, waarmee een nieuw type inverse probleem wordt opgelost dat kansrekening en homogenisatietheorie verenigt.
Dit artikel presenteert een nieuw theoretisch raamwerk voor de analyse van de zwakke schaalbaarheid van één-niveau Schwarz-methoden voor Maxwell-vergelijkingen in golfgeleiders, waarbij door middel van modale decompositie en Toeplitz-spectraalanalyse wordt aangetoond dat deze methoden robuust kunnen zijn ten opzichte van het golfgetal onder specifieke domeindecompositie-parameters.
Deze studie introduceert een Fourier Neural Operator (FNO) als een resolutie-invariant surrogaatmodel dat, gekoppeld aan de faseveldmethode, de computatie-intensieve simulatie van korrelgroei in materialen aanzienlijk versnelt met behoud van hoge nauwkeurigheid over verschillende ruimtelijke schalen.
Dit artikel onderzoekt hoe de keuze van een doelfunctie de optimalisatie van het stabiliseren van plasma-instabiliteiten in het Vlasov-Poisson-systeem beïnvloedt, en concludeert dat doelfuncties met tijdsgeïntegreerde informatie convexere optimalisatielandschappen bieden die beter geschikt zijn voor gradiëntgebaseerde methoden.
Deze studie introduceert een computerefficiënt, lichaamsvrij simulatiekader dat de driedimensionale turbulentie van cilinderwake's succesvol reconstrueert door gebruik te maken van ingevoerde stroomprofielen, wat bevestigt dat de essentiële dynamiek voornamelijk wordt bepaald door de instabiliteit van het nabije wake-profiel en niet door de expliciete aanwezigheid van het lichaam zelf.
In dit artikel wordt Bayesian-ARGOS gepresenteerd, een hybride raamwerk dat snelle frequentistische screening combineert met gefocuste Bayesiaanse inferentie om op een geautomatiseerde, statistisch onderbouwde en rekenkundig efficiënte manier de onderliggende vergelijkingen van complexe systemen te ontdekken, variërend van chaotische dynamica tot klimaatsystemen.