917 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 paper introduceert een nieuw algoritme dat graph-isomorfismen in bijna geen tijd vindt door krommingen te gebruiken om kandidaat-correspondenties te construeren, wat resulteert in een deterministische polynomiale methode die alle geteste complexe gevallen correct oplost zonder fouten.
Dit artikel presenteert een uitgebreide analyse van de tweedimensionale Kelvin-Helmholtz-instabiliteit met anisotrope druk in het collisionless regime, waarbij wordt geconcludeerd dat de grootste groeifactoren, stroomdichtheden en magnetische eilanden optreden in de MHD-limiet, terwijl energie die wordt gebruikt voor het vormen van drukanisotropieën in de CGL-limiet leidt tot een verminderde beschikbaarheid voor het buigen van veldlijnen.
Dit artikel introduceert Neural-POD, een plug-and-play neurale operator die niet-lineaire, resolutie-onafhankelijke basisfuncties leert in de functieruimte om de discretisatiebeperkingen van bestaande AI4Science-modellen te overwinnen en de generalisatie en interpretatie in complexe systemen te verbeteren.
Dit onderzoek gebruikt machine learning-potentialen en moleculaire dynamica-simulaties om de vervormingsmechanismen en compressieve respons van het NbTaTiZr-refractaire multi-principale elementlegering te ontrafelen, waarbij kristaloriëntatie, reknel, temperatuur en samenstelling de sterkte en het overgangsgedrag van dislocaties naar wanorde bepalen.
Deze paper introduceert een inverse reconstructieframework dat via de omkering van niet-lineaire mengregels de complexe effectieve permittiviteit en de onderliggende microstructuur van sterk verende optische composieten nauwkeurig bepaalt uit één infraroodextinctiespectrum, waardoor een robuuste, niet-destructieve diagnose van polymerenblends mogelijk wordt.
Deze studie presenteert een exact analytisch raamwerk voor de scheiding van de zwaartepunts- en relatieve beweging in anisotrope tweedimensionale magneto-excitonen, wat leidt tot nauwkeurigere energieberekeningen en een beter begrip van de invloed van massa-anisotropie op het magnetische gedrag in materialen zoals monolaag zwart fosfor.
Dit artikel beschrijft de ontwikkeling en succesvolle implementatie van een interactief online platform voor natuurkundepraktica aan St. Xavier's College in Kolkata, dat als waardevolle aanvulling op fysieke laboratoria fungeert en door studenten wordt gewaardeerd om het conceptuele begrip en het zelfvertrouwen te verbeteren.
Deze paper introduceert GABI, een architectuur-onafhankelijk raamwerk dat geometrie-bewuste generatieve modellen leert uit grote datasets van verschillende fysische systemen om als informerende priors te dienen voor Bayesiaanse inversie, waardoor robuuste onzekerheidskwantificering mogelijk wordt voor complexe geometrieën zonder kennis van de onderliggende besturingsvergelijkingen.
Dit onderzoek toont aan dat het universele machine learning interatomische potentiaalmodel UMA nauwkeurige en kostenefficiënte moleculaire dynamics-simulaties mogelijk maakt voor het bestuderen van de structurele veranderingen en complexe fenomenen van 25 verschillende doteringen in MoS2, waardoor een nieuwe workflow wordt geboden voor het hoogwaardig screenen en optimaliseren van doteringskandidaten.
Dit artikel introduceert MDIntrinsicDimension, een open-source Python-pakket dat de intrinsieke dimensie van biomoleculen schat uit moleculaire dynamica-trajectoria om collectieve bewegingen en lokale flexibiliteit in detail te analyseren.