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 tutorial-achtige artikel biedt zelfgestuurde computationele oefeningen en reproduceerbare Jupyter-notebooks om de praktische toepassing van generalized profiling te faciliteren, een gepenaliseerde likelihood-methode voor parameterschatting in gewone differentiaalvergelingsmodellen.
Het artikel introduceert lrux, een hoogwaardig JAX-gebaseerd softwarepakket dat quantum Monte Carlo-algoritmen versnelt door efficiënt low-rank updates van determinanten en Pfaffians te berekenen, waardoor de computationele complexiteit wordt verminderd van naar en er tot wel versnellingen op GPU's worden bereikt.
Deze ab initio studie van PbTe/Pb-heterostructuren onthult dat hoewel nabijheid-geïnduceerde supergeleidbaarheid met anisotrope paren ontstaat, een grote Schottky-barrière in de normale toestand waarschijnlijk de vorming van Majorana-nulmodi verhindert, wat de levensvatbaarheid van deze specifieke interfaces voor topologisch kwantumcomputersystemen uitdaagt.
Het artikel stelt het Pseudo Physics-Informed Neural Operator (PPI-NO) framework voor, dat operator-leren bij beperkte gegevenshoeveelheden verbetert door neurale operators iteratief te koppelen aan een surrogaat fysica-systeem afgeleid van rudimentaire principes, waardoor de voorspellende nauwkeurigheid aanzienlijk wordt verbeterd zonder dat daarvoor grondwaarheid over fysieke wetten vereist is.
Dit artikel introduceert XtalOpt Versie 14, een verbeterd evolutionair multi-objectief algoritme dat Pareto-optimalisatie gebruikt en diverse computationele potentialen integreert om efficiënt grondtoestands kristalstructuren met variabele samenstellingen voor functionele materialen te voorspellen.
Dit artikel introduceert een op een Fully Convolutional Neural Network (FCNN) gebaseerde non-lokale afsluiting voor de elektronendruktensor in turbulente magnetosfeer-simulaties, waarbij wordt aangetoond dat deze de lokale afsluitingen aanzienlijk overtreft bij het reconstrueren van energiekanalen en druk-spanning-interacties, terwijl er een gunstige schaling wordt getoond bij toegenomen trainingsdata.
Dit artikel presenteert de succesvolle porting van de TRIMEG gyrokinetische plasmasimulatiecode naar GPU-architecturen met behulp van de draagbare OpenMP API, waarbij significante versnellingen en geverifieerde fysische nauwkeurigheid worden aangetoond via hybride MPI-OpenMP parallellisatie en Ion Temperature Gradient mode simulaties.
Dit artikel stelt een nieuwe impliciete numerieke methode in Euler-variabelen voor om eendimensionale koude plasmavergelijkingen met dichtheidsafhankelijke botsingscoëfficiënten op te lossen, waarmee de computationele uitdagingen die gepaard gaan met het verlies van hyperboliciteit effectief worden overwonnen en theoretische voorspellingen met betrekking tot de gladheid van de oplossing worden bevestigd.
Dit artikel introduceert een op tensornetwerken gebaseerd raamwerk voor het construeren van "getensoriseerde" orbitalen die de computationele beperkingen van traditionele basissets overwinnen, wat leidt tot nauwkeurigere en compactere representaties die de energie-fouten in kwantumchemische berekeningen aanzienlijk verminderen.