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.

El Agente Cuantico: Automating quantum simulations

Dit paper introduceert "El Agente Cuántico", een multi-agent AI-systeem dat quantum-simulaties automatiseert door natuurlijke taalintenties om te zetten in gevalideerde berekeningen over diverse quantum-softwareframeworks, waardoor technische drempels worden verlaagd en de exploratie van fysische modellen wordt versneld.

Ignacio Gustin, Luis Mantilla Calderón, Juan B. Pérez-Sánchez, Jérôme F. Gonthier, Yuma Nakamura, Karthik Panicker, Manav Ramprasad, Zijian Zhang, Yunheng Zou, Varinia Bernales, Alán Aspuru-Guzik2026-03-09⚛️ quant-ph

Drifting to Boltzmann: Million-Fold Acceleration in Boltzmann Sampling with Force-Guided Drifting

Deze paper introduceert Drifting Models voor de million-voudig versnelde generatie van moleculaire conformaties volgens de Boltzmann-verdeling, waarbij een theoretisch verband tussen krachten en driftscores wordt gelegd en twee representatie-specifieke methoden (FI en FK) worden ontwikkeld die één-staps generatie mogelijk maken met behoud van structurele validiteit en distributie-accuraatheid.

Pipi Hu2026-03-09🔬 physics

Investigation of Aeroacoustics and In-flight Particle Transport in Thermal Spray Supersonic Jets

Dit onderzoek combineert een analytisch model met numerieke simulaties om de relatie te kwantificeren tussen de bedrijfsomstandigheden van thermische spuitprocessen en de resulterende aeroakoestische handtekening, wat suggereert dat geluidssignaturen kunnen worden gebruikt als een niet-invasieve methode om de deeltijdsverdeling en -snelheid te monitoren en te controleren.

D. Rahmat Samii, M. Tembely2026-03-09🔬 physics

Towards Efficient and Stable Ocean State Forecasting: A Continuous-Time Koopman Approach

Dit artikel introduceert de Continuous-Time Koopman Autoencoder (CT-KAE) als een lichtgewicht, stabiel en efficiënt surrogaatmodel voor langetermijnvoorspellingen van de oceaanstaat, dat door het projecteren van niet-lineaire dynamica op een lineaire latentruimte superieure stabiliteit en snelheid biedt ten opzichte van autoregressieve Transformer-baselines.

Rares Grozavescu, Pengyu Zhang, Mark Girolami, Etienne Meunier2026-03-09🔬 physics.app-ph

Spin-Orbit Induced Non-Adiabatic Dynamics: An Exact Ω\Omega-Representation

Dit artikel toont aan dat het transformeren van moleculaire Hamiltonianen naar de Ω\Omega-representatie om spin-baan-koppeling te elimineren, onbedoeld aanzienlijke niet-adiabatische koppelingen genereert die, indien verwaarloosd, leiden tot ernstige fouten in spectroscopische voorspellingen, en biedt daarom exacte voorwaarden en praktische oplossingen om de nauwkeurigheid te waarborgen.

Ryan P. Brady, Sergei N. Yurchenko2026-03-09🔬 physics

Frustrated supermolecules: the high-pressure phases of crystalline methane

Dit artikel toont aan dat de complexe kristalfasen van methaan onder hoge druk kunnen worden begrepen als een eenvoudige pakking van supermoleculaire clusters, waarbij de afwijking van kubische symmetrie en de traagheid van faseovergangen het gevolg zijn van een afweging tussen efficiënte pakking en beperkte entropie door gehinderde rotatie.

Marcin Kirsz, Miguel Martinez-Canales, Ayobami D. Daramola, John S. Loveday, Ciprian G. Pruteanu, Graeme J Ackland2026-03-09🔬 cond-mat.mtrl-sci

Bayesian Inference for PDE-based Inverse Problems using the Optimization of a Discrete Loss

Dit paper introduceert B-ODIL, een Bayesiaanse uitbreiding van de ODIL-methode die partiële differentiaalvergelijkingen als prior kennis combineert met data-likelihood om inverse problemen op te lossen met gekwantificeerde onzekerheid, zoals geïllustreerd bij het schatten van tumorconcentraties in hersenbeelden.

Lucas Amoudruz, Sergey Litvinov, Costas Papadimitriou, Petros Koumoutsakos2026-03-06🔬 physics