922 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 artikel introduceert QuVI, een open-source, native LabVIEW-toolkit die het dataflow-paradigma benut om een intuïtieve, grafische omgeving te bieden voor het simuleren van kwantumcircuits, waarmee de kloof tussen abstracte lineaire algebra en praktische engineering-implementatie wordt overbrugd voor docenten en onderzoekers.
Dit artikel leidt een algemene thermodynamische drijvende kracht af voor transformatiefronten in vervormbare ferromagneten en past de cut-finite-elementmethode aan om het gekoppelde magneto-mechanische gedrag en de voortplantende interfaces van magnetische vormgeheugenlegeringen efficiënt te modelleren zonder dat mesh-modificaties vereist zijn.
Deze studie toont aan dat puntvormige defecten vierkant-driehoekige quasikristallen in zachte materie-systemen aanzienlijk stabiliseren door een substantiële entropiewinst te bieden via zowel individuele bijdragen als combinatorische menging, waardoor de hoge defectconcentraties die in deze materialen worden waargenomen, worden verklaard.
Het Kratos-framework introduceert innovatieve, voor heterogene architecturen geoptimaliseerde algoritmen voor stralingstransport, reactieve stroming en thermochemie, waarbij een hoge nauwkeurigheid en efficiëntie wordt aangetoond door rigoureuze verificatie tegen semi-analytische oplossingen en gevestigde benchmarks zoals Cantera.
Het artikel introduceert EquiNO, een natuurkundig geïnformeerde neurale operator die evenwichtsrestricties hard afdwingt via divergentievrije basisfuncties om een robuust, 8000 keer sneller alternatief te bieden voor traditionele multiscale simulaties en bestaande datagestuurde surrogaten.
Dit artikel breidt efficiënte Alternative Finite Difference WENO (AFD-WENO) schema's uit naar divergentie-behoudende hyperbolische systemen, zoals CED en MHD, door een Yee-stijl collocatie van variabelen te behouden om involutie-restricties af te handelen die voorheen alleen oplosbaar waren met hogere-orde eindvolume-methoden.
Dit artikel demonstreert dat het combineren van sparse grid interpolatie met (L)-Leja-punten en geoptimaliseerde dynamische modus-decompositie de constructie van uiterst efficiënte, voorspellende parametrische reduced-order modellen voor complexe plasma-instabiliteiten mogelijk maakt, waarbij evaluatiesnelheden tot drie grootheden orde sneller worden bereikt dan high-fidelity simulaties terwijl er slechts een minimaal aantal trainingsdatapunten vereist is.
Dit artikel stelt een functioneel informatiekader voor om klassieke objectiviteit in Quantum Darwinism te kwantificeren door de overvloed aan omgevingsfragmenten te meten die redundant pointer-informatie coderen, wat thermodynamische beperkingen onthult waarbij elke extra bit aan objectiviteit de minimale warmteafvoer vereist voor de stabilisatie van records verdubbelt.
Deze studie maakt gebruik van eerste-principesberekeningen en apparaatsimulaties om aan te tonen dat loodvrije () perovskieten beschikken over de noodzakelijke dynamische stabiliteit, afstembare opto-elektronische eigenschappen en geschikte bandgap om als veelbelovende kandidaten te dienen voor stabiele dunnefilm PIN-fotodiode-toepassingen.
Dit artikel presenteert een nieuw kader dat hoogwaardige Monte Carlo-simulaties combineert met Bayesiaanse inferentie om een snelle, nauwkeurige kwantificering van mobiele gammastralingsbronnen te bereiken, wat de mogelijkheden in radiologische veiligheid, geofysische mapping en ruimteverkenning aanzienlijk vooruithelpt.