🔬 Category

physics.comp-ph

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.

Maximizing the magnetic anisotropy of Dy complexes by fine tuning organic ligands: A systematic multireference high-throughput exploration of over 30k molecules

Deze studie demonstreert dat geautomatiseerde multireference-berekeningen op meer dan 30.000 moleculen de magnetische anisotropie van dysprosium-complexen aanzienlijk kunnen maximaliseren door de tweede coördinatiesfeer via organische liganden te optimaliseren, wat leidt tot kristalveldsplijtingen die tot 100% hoger liggen dan die van bestaande referentieverbindingen.

Lion Frangoulis, Lorenzo A. Mariano. Vu Ha Anh Nguyen, Zahra Khatibi, Alessandro Lunghi2026-04-06🔬 cond-mat.mtrl-sci

Real-Time Surrogate Modeling for Personalized Blood Flow Prediction and Hemodynamic Analysis

Dit paper presenteert een systematisch kader dat machine learning gebruikt om real-time hemodynamische voorspellingen te doen en fysiologische parameters te schatten, waardoor de kosten voor het genereren van synthetische patiëntcohorten worden verlaagd en onnauwkeurige simulaties worden voorkomen.

Sokratis J. Anagnostopoulos, George Rovas, Vasiliki Bikia, Theodore G. Papaioannou, Athanase D. Protogerou, Nikolaos Stergiopulos2026-04-06🔬 physics

Fast and Accurate Inverse Blood Flow Modeling from Minimal Cuff-Pressure Data via PINNs

Dit artikel presenteert een snelle en nauwkeurige, niet-invasieve methode voor het modelleren van individuele bloedstroom en bloeddruk in het arteriële systeem door gebruik te maken van Physics-Informed Neural Networks (PINNs) die trainen op minimale manchetdrukdata en patiëntspecifieke hemodynamische parameters zoals het hartminuutvolume en centrale systolische bloeddruk schatten.

Sokratis J. Anagnostopoulos, Georgios Rovas, Lydia Aslanidou, Vasiliki Bikia, Nikolaos Stergiopulos2026-04-06🔬 physics

Smoluchowski Coagulation Equation and the Evolution of Primordial Black Hole Clusters

Dit artikel presenteert een uitgebreide simulatie van opeenvolgende samensmeltingen van oorspronkelijke zwarte gaten (PBH's) binnen clusters, waarbij de Smoluchowski-coagulatievergelijking wordt opgelost om de evolutie van de massa en de tijdschalen voor runaway-groei te bepalen, wat een verklaring biedt voor de waargenomen superzware zwarte gaten in 'little red dots' op hoge roodverschuiving.

Borui Zhang, Wei-Xiang Feng, Haipeng An2026-04-03🔭 astro-ph

Transformer self-attention encoder-decoder with multimodal deep learning for response time series forecasting and digital twin support in wind structural health monitoring

Dit artikel introduceert een transformer-gebaseerde multimodale deep learning-methode voor het voorspellen van windgeïnduceerde respons en het ondersteunen van digitale tweeling-systemen voor de structurele gezondheidsmonitoring van de Hardanger-brug, waarbij het model zonder aannames over stationariteit nauwkeurige voorspellingen levert en afwijkingen detecteert als vroege waarschuwing voor structurele veranderingen.

Feiyu Zhou, Marios Impraimakis2026-04-03🤖 cs.LG