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 studie introduceert een schaalbaar neural network backflow-ramek met een twee-staps pruning-strategie dat nauwkeurige ab-initio simulaties van vaste stoffen mogelijk maakt, waarbij het de prestaties van gevestigde methoden zoals DMRG en AFQMC evenaart of overtreft in zowel 1D-waterstofketens als 2D- en 3D-materiaalsystemen.
Dit artikel presenteert een reproduceerbare demonstratie van een door AI ondersteunde wetenschappelijke workflow op canonieke benchmarks, die aantoont dat hedendaagse AI een waardevolle 'copilot' kan zijn voor derivatie, implementatie en validatie in wetenschappelijk onderzoek, mits elke stap wordt onderbouwd door theoretische benchmarks en expliciete verificatie.
Dit onderzoek toont aan dat een hypothetisch netwerk van 175 zeegeldrukzensors in combinatie met een Bayesiaans inversieframework real-time, probabilistische tsunami-prognoses voor de Cascadia-subductiezone mogelijk maakt met een hoge nauwkeurigheid, zelfs bij beperkte offshore waarnemingen.
Dit artikel introduceert een nieuw CAE-NODE-framework dat convolutie-autoencoders en neurale ODE's combineert om een nauwkeurig verminderd orde-model te creëren voor de simulatie van de tijdsafhankelijke dynamica van tweedimensionale tegenstroomvlammen met een relatieve fout van minder dan 2%.
Het paper introduceert ANNA, een toolbox voor de analyse van Newtoniaanse ruis die de gravitationele koppeling tussen seismische golven en gravitatiegolf-mirrors berekent via een efficiënt eindige-elementenframework, wat essentieel is voor de gevoeligheid van de toekomstige Einstein Telescope.
Deze paper introduceert een lichtgewicht, post-hoc methode die gebruikmaakt van eindige-differentiemethoden om puntsgewijze foutenkaarten te genereren voor voorspellingen van Physics-Informed Neural Networks (PINNs) bij lineaire partiële differentiaalvergelijkingen, waardoor het vertrouwen in deze modellen wordt versterkt zonder dat de ware oplossing bekend hoeft te zijn.
Dit artikel introduceert een hybride Waveguide Neural Operator (WGNO) en andere physics-informed neurale systemen die de diffractie van EUV-golven van lithografische maskers met hoge nauwkeurigheid en aanzienlijk verkorte rekentijd simuleren, waardoor het ontwerp en de optimalisatie van volgende generatie maskers worden versneld.
DRIFT-Net is een nieuw neuraal operator-model dat de driftproblemen bij het leren van PDE's aanpakt door een dubbelvertakkingsarchitectuur te gebruiken die spectrale globale informatie en beeldgebaseerde lokale details effectief combineert, wat resulteert in lagere fouten, minder parameters en hogere doorvoer dan bestaande attention-gebaseerde methoden.
Dit artikel onthult dat de prestaties van enkelvoudige laag Physics-Informed Neural Networks (PINNs) bij niet-lineaire partiële differentiaalvergelijkingen voornamelijk worden beperkt door optimalisatiefouten en spectrale bias in plaats van door het netwerkvermogen, wat leidt tot complexe, niet-scheidbare schalingswetten die afwijken van de theorie.
Dit artikel presenteert de eerste uitgebreide full-f drift-kinetische en delta-f gyrokinetische turbulentiesimulaties in een lineair plasma-apparaat (LAPD), waarbij wordt aangetoond dat de ionenverdeling bij LAPD-condities bi-Maxwelliaans is en dat de gyrokinetische velden de drift-kinetische velden niet beïnvloeden, tenzij de botsingsfrequentie sterk wordt verlaagd.