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.
Deze paper introduceert een unificerend machine learning-raamwerk dat machine-learnde interatomaire potentialen combineert met neurale klassieke dichtheidsfunctionaaltheorie om de thermodynamica en het gedrag van vloeistoffen, zoals water en kooldioxide, over meerdere schaalniveaus nauwkeurig en efficiënt te voorspellen op basis van eerste principes.
Dit artikel introduceert gesloten-vormige conditionele diffusiemodellen voor data-assimilatie die, door gebruik te maken van kern-dichtheidsschatting in plaats van diepe neurale netwerken, complexe niet-Gaussische verdelingen effectief benaderen en betere prestaties leveren dan traditionele filters bij kleine ensemblegroottes.
Dit onderzoek toont aan dat wakefield-amplificatie in homogeen plasma aanzienlijk kan worden verbeterd door coherente resonante excitatie met twee meelopende laserpulsen, waarbij een optimale pulsafstand van een kwart van het plasma-golflengte leidt tot een drie keer zo grote amplitude vergeleken met een enkele puls.
In dit artikel wordt een robuuste methode voorgesteld die Fourier-analyse combineert met statistische classificatie om chimera-toestanden in systemen van gekoppelde oscillatoren betrouwbaar te identificeren en te onderscheiden van andere dynamische patronen.
Dit onderzoek toont aan dat akoestische spingolven in symmetrische synthetische antiferromagneten onder bepaalde omstandigheden energie unidirectioneel kunnen overdragen als gevolg van grote frequentie-niet-reciprociteit veroorzaakt door dipolaire interacties tussen de lagen.
Dit onderzoek onthult een onverwachte tweevoudige symmetrie in de dissipatie van oppervlakte-akoestische golven door ferromagnetische resonantie in een CoFeB-film, die wordt toegeschreven aan een zwakke in-plane uniaxiale anisotropie die ook in ultradunne films aanwezig blijft.
Dit artikel presenteert een machine learning-gebaseerde virtuele sensortechniek die met hoge nauwkeurigheid de degradatie van soldeerverbindingen en volledige temperatuurkaarten van IGBT-modules schat op basis van een beperkt aantal fysieke sensoren, waarmee de uitdaging van het monitoren van onbereikbare interne componenten wordt overwonnen.
Dit artikel presenteert FESTIM v2.0, een open-source framework dat is gemigreerd naar DOLFINx voor betere prestaties en nu een uitgebreide, modulaire fysica ondersteunt voor het simuleren van multi-species waterstoftransport, valstrikken, reacties en koppeling met andere multiphysics-simulaties.
Dit onderzoek analyseert de waarneembare kenmerken en quasi-periodieke oscillaties van magnetisch geladen Anti-de Sitter zwarte gaten in de Euler-Heisenberg-theorie en concludeert dat hoewel magnetische lading meetbare theoretische afwijkingen veroorzaakt, de huidige QPO-gegevens slechts een gematigde bovengrens van ongeveer 0,2 voor de verhouding tussen lading en massa opleveren.
Dit paper introduceert het Neuraal Onzekerheidsprincipe als een unificerend theoretisch raamwerk dat de onderliggende geometrische oorsprong van kwetsbaarheid voor adversariale aanvallen in visie en hallucinaties in grote taalmodellen verbindt, en hierop gebaseerd praktische methoden voorstelt om deze fouten te detecteren en te verminderen zonder traditionele, kostbare training.