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 onderzoek toont aan dat thermodiffusieve instabiliteiten in turbulente, mager gepremixte waterstof-luchtvlammen de warmtevrijgavefluctuaties en vlamoppervlakedynamica sterk beïnvloeden, wat leidt tot een versterkte akoestische straling op lage frequenties vergeleken met stabiele methaanvlammen.
Dit artikel beschrijft een stabiele en snelle numerieke methode voor het oplossen van akoestische multilichamenscatteringproblemen in twee en drie dimensies, waarbij lokale scatteringmatrices worden berekend met de Methode der Fundamentele Oplossingen (MFS) om een goed geconditioneerd globaal lineair stelsel te vormen dat efficiënt oplosbaar is met iteratieve solvers.
Dit artikel voorspelt dat fosfor-carbide nanobuizen (NTs) een zeldzame en stabiele quasi-ééndimensionale platform vormen waarin Dirac-fermionen en platte banden bij het Fermi-niveau samenkomen, wat leidt tot unieke quantum- en structurele faseovergangen met potentie voor spintronica en quantumhardware.
Dit artikel introduceert Effectieve Veld Neuronale Netwerken (EFNNs), een nieuwe architectie gebaseerd op continue functies uit de renormalisatietheorie die superieure prestaties en schaalbaarheid biedt bij het modelleren van klassieke en kwantumveeldeeltjessystemen door fundamentele fysica te leren in plaats van alleen data te fitten.
Dit artikel toont aan dat semantische informatie in diepe representaties van tekst en beelden convergeert over talen, modaliteiten en architecturen heen, waarbij de voorspellende kracht sterk varieert afhankelijk van de laagdiepte, modelgrootte en taal, en waarbij schaal mogelijk expliciete multimodale training overtreft.
Dit perspectiefartikel introduceert block-encoding en polynoomtransformaties als een verenigd en schaalbaar raamwerk voor quantum computationele wetenschap, dat de kloof tussen theoretische algoritmen en praktische toepassingen in chemie, fysica en optimalisatie dicht.
In dit korte artikel wordt een flux-correctieversie van het derde-orde randgebaseerde schema voor de Euler-vergelijkingen gepresenteerd die het direct gebruik van een algemene numerieke fluxfunctie mogelijk maakt zonder in te leveren op de nauwkeurigheid, mits de flux wordt geëvalueerd met toestanden die exact voor een kwadratische functie zijn berekend.
Deze studie introduceert een schaalbaar kader voor classificatieopgaven dat gebruikmaakt van ensembles van gekoppelde chaotische oscillatoren, waarbij de koppelingstermen worden geoptimaliseerd via een kunstmatig neurale netwerk om handmatige expertkennis te omzeilen en gradient-gebaseerde training mogelijk te maken.
Dit artikel introduceert een efficiënt statistisch raamwerk dat covariantiematrices van moleculaire dynamica-trajecten analyseert via statistische afstanden om complexe systemen te reduceren tot laagdimensionale kenmerken die fysische eigenschappen zoals diffusie en fase-overgangen nauwkeurig karakteriseren.
Dit artikel introduceert een volledig lokale, adaptieve afstotingsflux in een conservatief Allen-Cahn faseveldmodel gekoppeld aan rooster-Boltzmann hydrodynamica om kunstmatige coalescentie in multiphasestromingen te onderdrukken door de interactie te baseren op een geschatte lokale filmdikte.