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 studie vergelijkt een onviskeus vortex sheet-model met Navier-Stokes-simulaties over ongeveer 70 onstabiele plaatbewegingen bij gematigde Reynoldsgetallen, waarbij wordt aangetoond dat de onviskeuze benadering krachten en flowstructuren in lichaam-gedomineerde regimes nauwkeurig voorspelt, terwijl de nauwkeurigheid afneemt bij lage invalshoeken in flow-gedomineerde configuraties.
Dit artikel toont aan dat een eenvoudig neuraal netwerk met één verborgen laag, getraind op synthetische sterrenstelsels uit het SHARK semi-analytische model, nauwkeurig stellaire massa's voor echte GAMA-surveysterrenstelsels kan voorspellen met behulp van enkel absolute magnituden en kleurindices, waarbij een spreiding van ~0,131 dex wordt bereikt en wordt bewezen dat complexe deep-learning architecturen onnodig zijn voor robuuste simulatie-naar-observatie transfer in studies naar de evolutie van sterrenstelsels.
Dit artikel stelt een methode van Gegeneraliseerde Eindige Differenties in het Frequentiedomein voor die een fundamentele domein discretiseert om fotonische bandstructuren voor eindige fotonische kristallen te berekenen, waarbij de geldigheid ervan wordt aangetoond op een eendimensionaal kristal in een optische holte terwijl de overgang naar oneindige systemen wordt geanalyseerd.
Het artikel introduceert TTNOpt, een softwarepakket dat tree tensor networks gebruikt om efficiënt grondtoestanden en fysische eigenschappen van kwantumspinsystemen te berekenen, terwijl het ook hoog-rangige tensorcompressie uitvoert voor hoog-dimensionale data-analyse door netwerkstructuren te optimaliseren op basis van verstrengelingspatronen.
Dit artikel breidt hoogtemperatuur-reeksexpansies uit naar dynamische Matsubara-spincorrelatoren voor Heisenberg-modellen, waarbij vooraf berekende exacte expansiecoëfficiënten tot de 12e orde voor willekeurige roosters worden verstrekt om de berekening van statische susceptibiliteiten en dynamische structuurfactoren op reële frequenties mogelijk te maken.
Met behulp van het TAMS rare-event algoritme op een gekoppeld conceptueel model kwantificeert deze studie de waarschijnlijkheid van een tipping cascade van een AMOC-instorting naar degradatie van het Amazoneregenwoud, waarbij wordt onthuld dat hoewel een dergelijke transitie in noordwest-Brazilië binnen 200 jaar zeer onwaarschijnlijk is, deze strikt afhankelijk is van een voorafgaande AMOC-instorting die ernstige uitdroging en brandgevaar veroorzaakt.
Dit artikel onderzoekt persistente lading- en spinstromen in een ferromagnetische Hatano-Nelson-ring, waarbij wordt aangetoond hoe niet-reciproque hopping een niet-Hermitisch Aharonov-Bohm-effect induceert en wordt onthuld dat wanorde verrassend genoeg de spintransport kan versterken over diverse topologische en parametrische regimes.
Dit artikel daagt conventionele strategieën voor ruisonderdrukking uit door aan te tonen dat het behouden van vertekende, niet-unitaire ruis in variatiele kwantumalgoritmen de klassieke optimalisatie daadwerkelijk kan verbeteren en betere oplossingen kan opleveren, terwijl standaard twirling-technieken die ruis symmetriseren vaak de prestaties verslechteren.
Dit artikel presenteert een gevalideerd numeriek model binnen de PELOTON-code dat de versnelling van pelletraketten in thermonucleaire fusieapparaten simuleert door rekening te houden met asymmetrie in de ablatiewolk en plasma-gradiënten, wat consistentie met JET-experimentele trajecten aantoont en een verminderde afwijking onthult voor deuterium-neon composietpellets.
Dit artikel stelt Streaming Operator Inference voor, een niet-intrusief modelreductiekader dat incrementele SVD en recursieve kleinste kwadraten gebruikt om nauwkeurige reduced-order modellen te leren van sequentiële datastromen, waardoor de geheugenbeperkingen van traditionele batchmethoden worden overwonnen en online adaptatie voor grootschalige dynamische systemen mogelijk wordt gemaakt.