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.
Deze paper introduceert een exacte zelfzwaartekrachtskern voor dunne protoplanetaire schijven die de beperkingen van de gebruikelijke softening-approximatie overwint door de verticale structuur correct te modelleren, Newtoniaanse eigenschappen te behouden en een nieuwe bron van gravitationele instabiliteit aan het licht te brengen.
Dit artikel presenteert een methode met Physics Informed Neural Networks (PINNs) die via sequentiële training van MOSFET-lagen de koelvloeistofsnelheid schat om oververhitting te voorkomen, waarbij de resultaten goed overeenkomen met zowel analytische oplossingen als experimentele data.
Dit onderzoek combineert quasiparticle self-consistente GW-berekeningen met machine-learned DFT+U om halfmetallische Co- en Ni-gebaseerde Heusler-verbindingen te identificeren die geschikt zijn voor epitaxiale groei op InAs, waarbij Co₂TiSn en Co₂ZrAl als de meest veelbelovende halfmetalen worden aangetoond.
Dit paper presenteert een modulair multi-documentkader in Java voor wetenschappelijke visualisatie en simulatie, dat architecturale scheiding en optionele 3D-rendering combineert om efficiënte, langlevende desktoptoepassingen te ondersteunen.
Dit artikel presenteert een nieuwe Arbitrary Lagrangian--Eulerian eindige-elementenmethode voor gekromde en vervormende lipide membranen, waarbij de in-vlakke mesh-dynamiek willekeurig kan worden gespecificeerd en numerieke instabiliteiten worden opgelost, wat wordt gevalideerd via een benchmark voor het trekken van membraan-tethers.
Dit artikel introduceert een Multi-stream Physics Hybrid Network dat kwantum- en klassieke lagen combineert om de Navier-Stokes-vergelijkingen voor de Kovasznay-stroming efficiënter en nauwkeuriger op te lossen dan traditionele methoden, met een aanzienlijke reductie in fouten en het aantal trainbare parameters.
Dit onderzoek introduceert FlexPINN, een verbeterde Physics-Informed Neural Network-architectuur die nauwkeurig stroming en massatransport in complexe 3D-mengers met verschillende vinnen simuleert en daarbij hoge prestaties behaalt vergeleken met traditionele CFD-methoden.
Deze studie presenteert een uitgebreide ab initio-atomaire methode die, door gebruik te maken van DFT-bepaalde oppervlakte- en interface-energieën, de evenwichts-vormen van hetero-geïntegreerde kristallen zoals GaP op Si succesvol voorspelt en bevestigt met experimentele TEM-resultaten.
Dit artikel presenteert een breed toepasbaar raamwerk om te bepalen welke berekeningen door dynamische systemen, zowel natuurlijk als kunstmatig, worden uitgevoerd door de evolutie van het systeem te koppelen aan die van een abstracte rekenmachine.
Dit artikel toont aan dat quantized tensor trains (QTT) de vervloeking van de dimensie bij het prijsbepalen van meer-asset opties via de Black-Scholes PDE oplossen, waardoor nauwkeurige full-grid berekeningen mogelijk worden voor 10 tot 15 onderliggende activa op een standaard computer.