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 een op machine learning gebaseerd surrogaatmodel, gebaseerd op een aangepaste SchNet-architectuur, dat de hoge rekenkosten van many-body dispersie-interacties in polymersmelten effectief verlaagt terwijl het een hoge voorspellingsnauwkeurigheid en robuuste generalisatie behoudt.
Dit herdenkingsartikel voor Wolfgang Helfrich belicht de schoonheid van de wiskunde in biomembraantheorie door de vormproblematiek van lipidebilayers te analyseren via de Helfrich-elasticiteitsmodel, waarbij wordt aangetoond dat diverse vormen zoals biconcave schijven, bollen en tori een intrinsieke geometrische groep vormen die onafhankelijk is van de specifieke membraanvergelijking.
Dit artikel introduceert een sparse convex-relaxatie methode die met korte, grensgebonden snelheidsprofielen effectieve lokale schaalingsexponenten schat om de richtingsafhankelijke ruwheid en anisotrope organisatie in hoge-vorticiteitsgebieden van turbulente stromingen te diagnosticeren.
Dit artikel introduceert 'The Closure Challenge', een gestandaardiseerd open-source benchmarkkader met trainingsdata en testcases om machine learning-modellen voor RANS-turbulentiemodellering te evalueren en de veldbrede innovatie te stimuleren.
De auteurs introduceren een numerieke tensor-netwerk-methode op basis van process-tensors om de statistiek van ladingstransport in interactieve eendimensionale quantum-systemen te berekenen, waarmee ze transportexponenten en afwijkingen van KPZ-universaliteit in het XXZ-spinmodel succesvol kunnen karakteriseren.
Dit artikel heronderzoekt Majorana's methode om de Thomas-Fermi-vergelijking via schaaltransformaties te reduceren tot een eerste-orde differentiaalvergelijking, past deze toe op zowel neutrale als zwak geïoniseerde atomen, en berekent diverse belangrijke grootheden opnieuw met resultaten die overeenkomen met eerdere, meer tijdrovende numerieke procedures.
Dit artikel beschrijft hoe de deal.II-bibliotheek wordt gebruikt om de Stokes- en Navier-Stokes-vergelijkingen efficiënt op te lossen door middel van adaptieve meshverfijning en multigrid-oplossers voor zowel stationaire als tijdsafhankelijke problemen.
Dit onderzoek toont aan dat INT8-gebaseerde emulatie via de SCILIB-Accel-toolkit de prestaties van FP64-ab-initio-elektronenstructuurberekeningen op GPU's kan versnellen zonder code-aanpassingen, terwijl de nauwkeurigheid behouden blijft door adaptieve precisiestrategieën.
Deze paper introduceert een hard-beperkt neuronaal Riemann-oplosser (HCNRS) die vijf fysische constraints oplegt om de nauwkeurigheid en stabiliteit van numerieke stromingsberekeningen te waarborgen, waardoor het de exacte Riemann-oplosser nauwkeurig nabootst zonder de rekenkosten of de conservatie- en symmetriefouten die bij ongecontroleerde neurale benaderingen optreden.
Deze studie presenteert een open-source GPU-versnelling van padintegraal-moleculair-dynamica (PIMD) die het mogelijk maakt om ab initio-simulaties van grote systemen met tienduizenden identieke bosonen en fermionen efficiënt uit te voeren, waardoor de Fermion-tekenprobleem wordt overwonnen en de schaalbaarheid voor kwantumsystemen met meer dan 10.000 deeltjes aanzienlijk wordt verbeterd.