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.
In dit onderzoek worden vier machine-learning interatomaire potentialen ontwikkeld en getest voor YBCO om met hoge nauwkeurigheid de effecten van stralingsschade en defectstructuren in hogetemperatuur-supergeleiders te simuleren.
Dit onderzoek presenteert een nieuw framework dat Kolmogorov-Arnold Networks (KANs) combineert met de level-set methode om bewegende grensvlakken in fysische systemen efficiënt en nauwkeurig te simuleren via physics-informed benaderingen.
Deze studie combineert atomaire simulaties met machine learning om de lokale glijweerstand van dislocaties in refractaire meerelement-legeringen (RMPEA's) te begrijpen en een model te ontwikkelen dat de macroscopische vloeigrens voorspelt op basis van compositionele en elastische eigenschappen.
DISCOVER is een nieuwe open-source softwarebibliotheek voor symbolische regressie die door middel van GPU-versnelling en natuurkundige beperkingen efficiënte, interpreteerbare en schaalbare wiskundige relaties ontdekt voor toepassingen in de materiaalkunde en computationele fysica.
Deze studie vergelijkt het Borgnakke-Larsen-model met het theoretisch fundamentere Pullin-model voor de simulatie van energie-uitwisseling in diatomische gassen binnen de DSMC-methode, waarbij wordt aangetoond dat het Pullin-model een nauwkeuriger en consistenter alternatief biedt voor hypersonische stromingen.
Deze paper onderzoekt het gebruik van *compressed sensing* met overlappende cellen om het geheugengebruik bij Monte Carlo-simulaties voor neutronische systemen aanzienlijk te verminderen, met een reductie tot 96,25% in 3D-reconstructies zonder significant verlies van nauwkeurigheid.
Dit artikel presenteert een schaalbare, veld-conserverende methode voor het verfijnen en coarsenen van octree-gebaseerde AMR-roosters, die door middel van een -projectie systematische drift in behouden grootheden voorkomt tijdens langdurige simulaties van partiële differentiaalvergelijkingen.
Dit artikel presenteert een nieuwe multilevel tensor-train methode voor het oplossen van nietlineaire partiële differentiaalvergelijkingen in een globale ruimte-tijd-formulering, die door middel van een coarse-to-fine strategie robuustere convergentie en een hogere efficiëntie biedt dan traditionele methoden.
Dit artikel vestigt een nieuw kader binnen de One-Body Reduced Density Matrix Functional Theory dat de universele bepaling van de Quantum Fisher Information voor fermionische en bosonische grondtoestanden direct uit de one-body reduced density matrix mogelijk maakt, waardoor de computationele complexiteit van exponentieel grote golffuncties wordt vermeden.
Dit artikel stelt een niet-lokaal oriëntatieveld faseveldmodel voor dat misoriëntatie- en inclinatieafhankelijke korrelgrensaanisotropie incorporeert met behulp van een enkel oriëntatieveld, waardoor nauwkeurige afstemming van de korrelgrensenergie mogelijk wordt terwijl het aanpassingsproces wordt vereenvoudigd en cruciale microstructuurgedragingen zoals lineaire korrelgroei en drievoudige punt-evenwicht nauwkeurig worden gereproduceerd.