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 introduceert de 'integral decimation'-methode, een op kwantummechanica geïnspireerd algoritme dat de rekentijd voor multidimensionale integralen van exponentieel naar polynomiaal verlaagt door de integrand te ontbinden in een spectrale tensor-trein, waardoor complexe problemen in de statistische mechanica en kwantumdynamica efficiënter kunnen worden opgelost.
Dit paper introduceert \textsc{Dynamite}, een hoogpresterend framework dat door middel van geavanceerde numerieke technieken zoals niet-uniforme interpolatie en adaptieve tijdstappen de Dynamical Mean-Field Equations tot ongekend lange tijden () oplost, waardoor de studie van langzame dynamiek in complexe landschappen mogelijk wordt gemaakt.
Dit artikel presenteert een systematische kalibratie met Ensemble Kalman Inversie voor een neurale netwerkparameterisatie van mesoschaalwervels, wat leidt tot een aanzienlijke vermindering van biases in de gemiddelde toestand en variabiliteit van grof opgeloste oceanische modellen.
Deze studie toont aan dat suprathermische verbranding in pure deuterium- en p-11B-fusiebrandstoffen niet levensvatbaar is voor een zelfonderhoudende kettingreactie, terwijl de extra energieopbrengst in DT-fusie beperkt blijft tot maximaal 40% van de initiële bundelenergie.
Dit onderzoek gebruikt Discrete Element Method-simulaties om aan te tonen dat in horizontale geroerde bedreactoren voor polyolefineproductie hogere rotatiesnelheden de menging versnellen, terwijl een hoger vulniveau het mengproces vertraagt en de axiale dispersie verlaagt, wat de noodzaak onderstreept om bedrijfscondities zorgvuldig te balanceren voor optimalisatie.
Dit artikel introduceert een symmetrisatieschema dat de Mermin-Wagner-stelling respecteert en toepast op de GW-covariantiemethode voor het tweedimensionale Hubbard-model, waardoor nauwkeurige resultaten worden verkregen die overeenkomen met Determinant Quantum Monte Carlo-simulaties en een betrouwbaar kader bieden voor het bestuderen van sterk gekoppelde systemen zoals cupraat-supergeleiders.
Dit artikel introduceert een nieuw model voor de Shallow Water Moment-vergelijkingen dat door regularisatie in plaats in de primitieve variabelen hyperbolisch is, de juiste impulsvergelijking behoudt en nauwkeurige resultaten oplevert, in tegenstelling tot bestaande modellen die hierin tekortschieten.
Deze studie concludeert dat qUCB de meest geschikte standaardacquisitionsfunctie is voor batch Bayesiaanse optimalisatie in dimensies tot en met zes, omdat deze presteert in zowel wiskundige tests als bij het maximaliseren van de efficiëntie van perovskiet-zonnecellen, zelfs zonder voorafgaande kennis van het landschap of ruis.
Deze studie onthult een nieuw mechanisme waarbij collectieve elektronische Rabi-oscillaties in gedreven optische holtes coherent nucleaire beweging in moleculen activeren, een effect dat maximaal is wanneer de collectieve polarietonische splitsing resonant is met een moleculaire vibratiemodus.
Deze paper introduceert een post-hoc fase-stuursysteem voor graf-gebaseerde CFD-surrogaten dat, door het combineren van sparse autoencoders voor ontwarde representaties met tijdscoherente rotaties van oscillatoire modi, effectief fase-drift corrigeert zonder de onderliggende model opnieuw te hoeven trainen.