physics.comp-ph artigos

A interseção entre física e computação, conhecida como física computacional, transforma equações complexas em simulações digitais que revelam os segredos do universo. Ao utilizar poderosos algoritmos, os pesquisadores exploram desde o comportamento de partículas subatômicas até a dinâmica de galáxias, preenchendo lacunas onde a teoria pura ou a experimentação direta encontram limites.

No Gist.Science, monitoramos diariamente os novos pré-prints dessa área publicados no arXiv. Para cada documento, oferecemos duas perspectivas essenciais: um resumo técnico detalhado para especialistas e uma explicação em linguagem acessível para quem busca compreender os conceitos sem barreiras matemáticas.

Abaixo, você encontrará os trabalhos mais recentes adicionados a esta categoria, prontos para serem explorados em diferentes níveis de profundidade.

Differentiable Particle-Mesh Ewald with Cartesian Tensor Message Passing for Learning Long-Range Electrostatics and Dipole Response

Este artigo introduz uma estrutura de Particle-Mesh Ewald totalmente diferenciável integrada com uma rede de passagem de mensagens de tensor cartesiano E(n)-equivariante para permitir o aprendizado de ponta a ponta de eletrostática de longo alcance e respostas de dipolo atômico, alcançando forças de precisão quântica e desempenho escalável de O(N log N) para sistemas de fase condensada e interfaciais.

Zhiyue Guo, Junjie Wang, Haoting Zhang, Zhixin Liang, Ziyang Yang, Yujian Pan, Jian Sun2026-06-02🔬 physics

Penalty-free quantum optimization applied to lattice protein folding

Este artigo propõe uma abordagem de otimização quântica livre de penalidades para o enovelamento de proteínas em rede que utiliza um mixer QAOA projetado para o problema do conjunto independente máximo para evitar penalidades quadráticas, validando com sucesso o método via simulações clássicas para proteínas pequenas e estendendo-o para sistemas maiores (até comprimento $N=14$ ) através de um esquema heurístico de busca local iterativa.

Leif Gellsersen, Anders Irbäck, Lucas Knuthson, Stefan Prestel2026-06-02⚛️ quant-ph

DPA4: Pushing the Accuracy-Cost Frontier of Interatomic Potentials with EMFA SO(2) Convolution

O artigo apresenta o DPA4, uma nova arquitetura de potencial interatômico equivariante a SE(3) que apresenta uma convolução EMFA equivariante a SO(2) e otimizações de treinamento amigáveis ao compilador que alcançam precisão de estado da arte com contagens de parâmetros e custos de treinamento significativamente reduzidos, estabelecendo uma nova fronteira de Pareto de precisão-custo para grandes modelos atomísticos.

Tiancheng Li, Wentao Li, Anyang Peng, Jianming Xue, Linfeng Zhang, Duo Zhang, Han Wang2026-06-02🔬 cond-mat.mtrl-sci

Speculative Sampling For Faster Molecular Dynamics

Este artigo apresenta o Langevin Speculative Dynamics (LSD), um método de amostragem especulativa distribuído e agnóstico ao modelo que acelera simulações de dinâmica molecular em 3 a 9 vezes usando um modelo de rascunho rápido e verificação paralela sem introduzir erro relativo ou comprometer a precisão da distribuição do modelo alvo.

Arthur Kosmala, Stephan Günnemann, Meng Gao, Brandon Wood2026-06-02🔬 cond-mat.mtrl-sci

Diagrammatic Monte Carlo for positron-molecule many-body theory

Este artigo apresenta um método de Monte Carlo diagramático que amostra estocasticamente e re-soma contribuições de séries de escada para a autoenergia do pósitron em moléculas, alcançando uma redução significativa de memória em comparação com soluções determinísticas da equação de Bethe-Salpeter, ao mesmo tempo em que demonstra concordância quantitativa com benchmarks de diagonalização exata para o hidreto de lítio.

T. A. Scott, S. K. Gregg, D. G. Green2026-06-02🔬 physics.atom-ph

Reduced-order modeling of Hamiltonian dynamics based on symplectic neural networks

Este artigo introduz um novo framework de modelagem de ordem reduzida baseado em dados que utiliza redes neurais de Henon para construir uma arquitetura simplética de ponta a ponta, garantindo a preservação exata da estrutura simplética e a estabilidade de longo prazo para sistemas hamiltonianos de alta dimensão.

Yongsheng Chen, Wei Guo, Qi Tang, Xinghui Zhong2026-06-01🔬 physics

Optical excitations in nanographenes from the Bethe-Salpeter equation and time-dependent density functional theory: absorption spectra and spatial descriptors

Este artigo apresenta uma implementação validada do formalismo GW-BSE no código CP2K para prever com precisão os espectros ópticos e os tamanhos de excitação de nanografenos, demonstrando sua superioridade sobre a teoria do funcional da densidade dependente do tempo para descrever excitações eletrônicas em nanoestruturas.

Maximilian Graml, Jan Wilhelm2026-06-01🔬 physics

Global Plane Waves From Local Gaussians: Periodic Charge Densities in a Blink

O artigo apresenta o ELECTRAFI, um modelo rápido e diferenciável que prevê densidades de carga periódicas em materiais cristalinos ao aproveitar transformadas de Fourier de forma fechada de Gaussianas anisotrópicas para alcançar precisão de estado da arte com uma inferência até 633 vezes mais rápida, reduzindo significativamente o custo computacional total dos cálculos de DFT.

Jonas Elsborg, Felix Ærtebjerg, Luca Thiede, Alán Aspuru-Guzik, Tejs Vegge, Arghya Bhowmik2026-06-01🔬 cond-mat.mtrl-sci

Learning Permutation-invariant Macroscopic Dynamics

Este artigo propõe uma estrutura de autoencoder invariante à permutação que aprende representações latentes de baixa dimensão e dinâmicas macroscópicas para sistemas microscópicos não ordenados ao reconstruir distribuições de massa em vez de amostras de ordem fixa, demonstrando um desempenho robusto em dados de sistemas de partículas, fluidos e vídeos de polímeros.

Zhichao Han, Mengyi Chen, Qianxiao Li2026-06-01🔬 physics

Color-gradient lattice Boltzmann modeling of wetting boundary condition on curved solid boundaries

Este artigo introduz uma condição de contorno de molhabilidade para superfícies sólidas curvas no método de lattice Boltzmann de gradiente de cor ao atualizar parâmetros de ordem em nós fantasmas, um esquema validado em hardware GPU para lidar eficazmente com grandes contrastes de densidade e viscosidade, minimizando correntes espúrias e reproduzindo com precisão tanto os comportamentos de linha de contato estática quanto dinâmica.

Malyadeep Bhattacharya, Snigdhadyut Dash, Maneesh Sutar, Ravinder Jajoria, Nimalan Mahadevan, Amol Subhedar2026-06-01🔬 physics

← Anterior Próximo →