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.
Dit artikel presenteert een zuiver ruimtelijke correctie voor expliciete Runge-Kutta-methoden bij hyperbolische PDE's met tijdsafhankelijke randvoorwaarden, waarbij door het herontwerpen van de afgeleide-operatoren nabij de rand de convergentieorde wordt hersteld zonder de tijdsintegrator te wijzigen.
Dit artikel introduceert multilevel hybride Monte Carlo-deterministische methoden (MLHT) voor het oplossen van de Boltzmann-vervoersvergelijking, waarbij een multilevel-Monte-Carlo-benadering wordt gecombineerd met quasidiffusie- en tweede-momentmethoden om de rekenkosten te optimaliseren en de variantie van correctiefactoren te verminderen.
Dit artikel introduceert een speciaal nummer over symbolische regressie in de natuurwetenschappen, waarin de methodologische grondbeginselen, toepassingen, uitdagingen en toekomstperspectieven van deze techniek voor het ontdekken van interpreteerbare wiskundige relaties worden besproken.
Dit paper introduceert een generalisatie van de probabilistische herparameterisatiemethode die Bayesiaanse optimalisatie mogelijk maakt voor complexe, gemengde variabelruimtes in de natuurwetenschappen, waardoor efficiënte optimalisatie in autonome laboratoria met beperkte data en discretisatieproblemen wordt vergemakkelijkt.
Deze studie introduceert een interpreteerbaar model voor tijdsafhankelijke hypergrafieken waarbij Markoviaanse dynamiek op individueniveau leidt tot niet-Poissoniaanse groepsinteracties met bursty gebeurtenissen en lange staarten in de intereventtijden, wat goed overeenkomt met empirische data.
Dit artikel pleit ervoor dat bij het ontwerpen van nanofotonica systemen, naast geavanceerde simulatietools, ook een fundamenteel begrip van de complexe ruimtelijke en temporele dimensies essentieel is.
Dit perspectiefartikel stelt dat differentieerbare hybride krachtvelden de snelheid, nauwkeurigheid en kalibreerbaarheid van autonome elektrolytontdekking verenigen door fysisch gemotiveerde modellen te combineren met neurale netwerken, waardoor een gesloten lus voor experimentele validatie mogelijk wordt.
Dit paper introduceert de Tensor-Augmented Convolutional Neural Network (TACNN), een fysiek geleid, ondiep model dat conventionele convolutiekernen vervangt door generieke tensor-kernen om complexe correlaties te vangen en zo met slechts twee lagen vergelijkbare prestaties te behalen als veel diepere CNN-architecturen op de Fashion-MNIST-benchmark.
Dit artikel introduceert een richting-bewust topologisch data-analysekader dat de compressie-as expliciet integreert om de voorspellende nauwkeurigheid van de Young's modulus in poreuze materialen, vooral bij anisotropie, significant te verbeteren ten opzichte van traditionele methoden.
Dit paper introduceert SMC-AI, een algoritme dat Monte Carlo-simulaties op AI-acceleratoren mogelijk maakt voor een recordaantal van 4 biljoen atomen, waarmee de schaalbaarheid en doorvoer aanzienlijk worden verbeterd ten opzichte van eerdere prestaties.