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 uitgebreide M3D-C1-simulaties van interne knikmodi en zaagtandcrashes in SPARC-achtige scenario's, waarbij wordt aangetoond dat zowel stroom- als drukprofielen de instabiliteit beïnvloeden en dat de waargenomen crashes kunnen worden verklaard door een combinatie van het Kadomtsev- en Wesson-model.
Dit artikel introduceert een 'freeze-and-release' optimalisatiemethode voor variatieve berekeningen van elektronische aangeslagen toestanden die variatieve instorting voorkomt en de juiste energie-afhankelijkheid voor intermoleculaire ladingsoverdracht oplevert zonder lange-afstandsexacte uitwisseling.
Dit document is een levend overzicht dat de potentie van quantumcomputing voor de thermische wetenschap verkent, beginnend met warmtegeleiding als testgeval voor het ontwikkelen van nieuwe algoritmen en het evalueren van hardware.
Deze paper introduceert nieuwe puntgroep-ordeparameters (PGOPs) en de bijbehorende open-source software SPATULA om de lokale symmetrie-orde in complexe deeltjessystemen direct en continu te kwantificeren, waarmee een lacune in traditionele kristallisatiestudies wordt opgevuld.
Dit artikel introduceert Predictor-Driven Diffusion, een unificerend kader dat renormalisatiegroep-gebaseerde ruimtelijke grofkorreligheid combineert met padintegraal-dynamica om effectief multischaal-spatiotemporale systemen te simuleren, genereren en super-resolutie toe te passen door de statistische invloed van kleine schalen op grote schalen te modelleren.
In dit paper wordt een nieuw neurale netwerkmodel, genaamd SAT3-NN, gepresenteerd dat lineaire gyrokinetische data gebruikt om nauwkeurigere quasilineaire verzadigingsregels te ontwikkelen voor het voorspellen van turbulente transportfluxen dan eerdere modellen.
Dit paper introduceert BuSyNet, een diep leernetwerk dat dimensie-consistente symplectische transformaties combineert om compacte, interpreteerbare symbolische Hamiltoniaanse uitdrukkingen te ontdekken die de energiebehoud en symplectische geometrie van fysische systemen nauwkeuriger en stabieler modelleren dan bestaande methoden.
Dit onderzoek valideert de robuustheid en effectiviteit van door neurale netwerken gesimuleerde virtuele schakelingen voor real-time plasma-vormregeling in gesloten-lus-simulaties van MAST-Upgrade-scenario's, wat een belangrijke stap vormt naar de daadwerkelijke implementatie in het besturingssysteem.
Dit onderzoek introduceert Equitrain, een parameter-efficiënt fijnafstemkframework dat LoRA gebruikt om machine-learning interatomische potentialen met minimale extra data aan te passen, waardoor de nauwkeurigheid van voorspellingen voor fononen en thermische eigenschappen over 53 materialen systemen aanzienlijk verbetert ten opzichte van zowel de oorspronkelijke voorgeprogrammeerde modellen als modellen die vanaf nul worden getraind.
Dit paper introduceert Simulated Bifurcation Quantum Annealing (SBQA), een kwantuminspiratie optimalisatiealgoritme dat door inter-replica interacties kwantumtunneling nabootst en hierdoor superieure prestaties levert op ruige en schaarse energielandschappen vergeleken met eerdere methoden.